MétaCan
Menu
Retour à la cohorte
Enregistrement W3217074570 · doi:10.6008/cbpc2236-9600.2021.002.0006

Percepção da dor musculoesquelética relacionada ao uso excessivo de smartphone e notebook por estudantes de graduação

2021· article· pt· W3217074570 sur OpenAlexaboutno aff
Vinícius Brandalise, Anelise Binsfeld, Mariane Zanetti, Ricardo Lazarotto

Notice bibliographique

RevueScire Salutis · 2021
Typearticle
Languept
DomainePsychology
ThématiqueErgonomics and Musculoskeletal Disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineGynecologyHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

O desenvolvimento tecnológico tem como objetivo facilitar a vida do ser humano, economizando seu tempo e tornando mais fácil o acesso à informação e a comunicação. Porém, o uso excessivo destas, por mais de 2 a 4 horas diárias, associado a posições inapropriadas no período de uso, acumulam lentamente prejuízos para o corpo resultando no aparecimento de dores no sistema musculoesquelético. O objetivo é analisar a percepção da dor e desconforto no sistema musculoesquelético frente ao uso excessivo de smartphone e notebook em estudantes de graduação. A pesquisa foi quantitativa descritiva transversal, sendo selecionados para este estudo, 37 estudantes do Curso de Fisioterapia de ambos os gêneros com média de idade de 21 anos. Para a realização da coleta dos dados foram utilizados, o questionário MCGill, a escala visual analógica (EVA), questionário de Usuários de Tecnologia, e o questionário de Dickinson. A prevalência de tempo de uso diário do smartphone foi de 5 a 6 horas, em relação ao notebook de 2 a 4 horas diariamente, permanecendo maior parte do dia conectada a estas tecnologias, resultando em dores em diversas partes do corpo, principalmente na coluna cervical, ombros e coluna lombar. O estudo demonstrou alta prevalência (76%) de dor musculoesquelética nos entrevistados, sendo assim, é necessária a conscientização do uso destas tecnologias, a fim de prevenir índices de queixas relacionadas ao uso indiscriminado.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,311
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScire SalutisMême sujetErgonomics and Musculoskeletal DisordersTravaux en français237 207