Developing a simulation tool to quantify biomechanical load and quality of care in nursing
Notice bibliographique
Résumé
Nursing is a high musculoskeletal disorder (MSD) risk job with high workload demands. This study combines Digital Human Modelling (DHM) and Discrete Event Simulation (DES) to address the need for tools to better manage MSD risk. This novel approach quantifies physical-workload, work-performance, and quality-of-care, in response to varying geographical patient-bed assignments, patient-acuity levels, and nurse-patient ratios. Lumbar loads for 86 care-delivery tasks in an acute care hospital unit were used as inputs in a DES model of the care-delivery process, creating a shift-long time trace of the biomechanical load. Peak L4/L5 compression and moment were 3574 N and 111.58 Nm, respectively. This study reports trade-offs in all three experiments: (i) increasing geographical patient-bed assignment distance decreased L4/L5 compression (8.8%); (ii) increased patient-acuity decreased L4/L5 moment (4%); (iii) Increased nurse-patient ratio decreased L4/L5 compression (10%) and moment (17%). However, in all experiments, Quality of care indicators deteriorated (20, 19, and 29%, respectively). Practitioner Summary: This research has the potential to support decision-makers by developing a simulation tool that quantifies the impact of varying operational and design-policies in terms of biomechanical-load and quality of care. The demonstrator-model reports: as geographical patient-bed distance, patient-acuity levels, and nurse-patient ratios increase, biomechanical-load reduces, and quality of care deteriorates.
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) | 0,000 | 0,000 |
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.
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 ».