Measuring pandemic home-work conditions to determine ergonomic recommendation relevance
Notice bibliographique
Résumé
BACKGROUND: Computer-intensive office work associations with health challenges may intensify following COVID-19 pandemic-related changes to home-based office work. OBJECTIVE: To determine working conditions, perception and physical elements affecting health after pivoting to full time home-work. METHODS: An online questionnaire addressed physical, productivity, motivation, and work-practice factors. Photos of the worker in their home-work environment showed side and front-back perspectives. RESULTS: Sixteen questionnaires were received, and 12 respondents supplied photos. Home and office workplace differences varied. Ten felt productivity was affected, most often positively. Four noted increased pain or fatigue intensity, particularly in the eyes, neck / head, lower back, and shoulders. Working posture was not optimal; six didn't use traditional chair-sitting for up to half the day. Forward and backward trunk inclination accounted for at least 10% of the workday for 12 respondents; lateral inclination affected ten and eight had unsupported legs. Fifteen used an adjustable chair, but photos revealed ergonomic recommendations were not consistently followed. Fourteen participants communicated regularly by telephone, eight only for moderate duration and ten using adapted telephone equipment. Half of the ROSA scores were high. CONCLUSIONS: Workers forced into telework during the pandemic experience positive and negative impacts. Postures vary more than in offices, potentially increasing health risk.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».