Quantification of the Risk of Musculoskeletal Disorders of the Upper Limb Using Fuzzy Logic: A Study of Manual Wheelchair Propulsion
Notice bibliographique
Résumé
BACKGROUND: For manual wheelchair users, overuse of the upper limbs can cause upper limb musculoskeletal disorders, which can lead to a loss of autonomy. The main objective of this study was to quantify the risk level of musculoskeletal disorders of different slope propulsions in manual wheelchair users using fuzzy logic. METHODS: In total, 17 spinal cord injury participants were recruited. Each participant completed six passages on a motorized treadmill, the inclination of which varied between (0° to 4.8°). A motion capture system associated with instrumented wheels of a wheelchair was used. Using a biomechanical model of the upper limb and the fuzzy logic method, an Articular Discomfort Index (ADI) was developed. RESULTS: We observed an increase in articular discomfort during propulsion on a slope with increasing discomfort at the shoulder, elbow and wrist, due to an increase in kinetics. There was a kinetically significant change in the kinetic global ADI (22 to 25%) and no change in the kinematic. The ADI increased from 14 to 36% during slope propulsion for each joint. CONCLUSION: The quantification of the level of discomfort helps us to highlight the situations with the most high-risk exposures and to identify the parameters responsible for this discomfort.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».