MétaCan
Menu
Retour à la cohorte
Enregistrement W4388697381 · doi:10.1080/00140139.2023.2284682

Investigating the influence of keyboard inclinations on sitting and standing workstations

2023· article· en· W4388697381 sur OpenAlexafffund
Victor Eghujovbo, Eun‐Sik Kim

Notice bibliographique

RevueErgonomics · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueErgonomics and Musculoskeletal Disorders
Établissements canadiensUniversity of Windsor
Organismes subventionnairesUniversity of Windsor
Mots-clésSittingWorkstationWristForearmCarpal tunnel syndromeCumulative trauma disorderPhysical medicine and rehabilitationWork (physics)Musculoskeletal disorderPhysical therapyComputer usersPosition (finance)SimulationComputer scienceMedicineEngineeringHuman factors and ergonomicsPoison controlSurgeryMultimediaMechanical engineeringMedical emergencyBusiness

Résumé

récupéré en direct d'OpenAlex

Given the growing global computer workforce, concerns exist about the escalation of computer related injury with Carpal tunnel syndrome (CTS) being one of the most reported work-related musculoskeletal disorders (WMSDs) among office workers. The optimal range of keyboard angles for sitting and standing positions based on wrist posture, forearm muscle activities and user preference as well as the keyboard location in relation to user position were analysed. 30 volunteers with an above 40 words per minute typing speed participated in this study. Result show that, although user prefer to use positive keyboard angle, the negatively tilted keyboard is more ergonomically friendly at both sitting and standing workstations, reducing muscle activity and awkward wrist posture while maintaining performance. The findings indicate that negative sloped keyboard might have the possibility to reduce the risk of developing CTS in office workers.Practitioner summary: This study determines the range of optimal slope of keyboard angle in a sit and stand workstation. Our results indicate a trend in the negative slope keyboard as an ergonomically friendly option for the intervention to Carpal tunnel pressure.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,895
Score d'incertitude au seuil0,297

Scores Codex et Gemma par catégorie

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

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 Opus0,027
Tête enseignante GPT0,318
Écart entre enseignants0,292 · 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 tête enseignante, 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

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueErgonomicsMême sujetErgonomics and Musculoskeletal DisordersTravaux en français237 207