The effects of COVID-19 related shutdowns on perceived lifestyle and prevalence of musculoskeletal discomfort
Notice bibliographique
Résumé
BACKGROUND: COVID-19 caused a transition to work-from-home conditions, closures of recreation facilities and cancelation of social events. OBJECTIVE: This study sought to characterize and quantify the impact COVID-19 related shutdowns had on perceptions of health and wellbeing, musculoskeletal discomfort, and physical characteristics of workstation set-up in full time workers who transitioned to working from home. METHODS: 297 participants from 8 countries completed a retrospective pre/post survey design that assessed outcomes prior to COVID-19 shutdowns and when each participant was experiencing peak pandemic-related restrictions. There were 3 categories including, health and wellbeing, musculoskeletal discomfort, and workplace ergonomics. RESULTS: General discomfort on a scale from 1 to 100 increased from 31.4 pre to 39.9 during COVID-19. Notable areas increasing in severity of discomfort from pre to during included the neck (41.8 to 47.7), upper back (36.3 to 41.3) and right wrist (38.7 to 43.5). The percentage of the population experiencing discomfort increased from pre to during in the low back (41.5% to 55.2%), upper back (28.7% to 40.9%), neck (45.5% to 60.9%) and right wrist (16.1% to 23.7%). CONCLUSION: There were three distinct groups for physical activity one group including, one maintaining and one that decreased, which did not have an impact on perceived general discomfort. There was a significant decrease in usage of a desk and adjustable chair and an increase in laptop use. Working from home in some capacity will likely be a more common occurrence which will require further ergonomic assessments and considerations to keep a healthy workforce.
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 ».