MétaCan
Menu
Retour à la cohorte
Enregistrement W4392865226 · doi:10.3233/wor-230155

Investigating the relationship between physical, cognitive, and environmental factors of ergonomics with the prevalence of musculoskeletal disorders: A case study in a car-parts manufacturing industry

2024· article· en· W4392865226 sur OpenAlexaff
Hamid Reza Mokhtarinia, Bahar Alimohammadi, Mohsen Sadeghi‐Yarandi, Salman Torabi-Gudarzi, Ahmad Soltanzadeh, Neda Nikbakht

Notice bibliographique

RevueWork · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésWork-related musculoskeletal disordersWorkloadMedicineHuman factors and ergonomicsMusculoskeletal disorderOdds ratioCognitionPhysical therapyPoison controlEnvironmental healthPsychiatryComputer sciencePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Work-related musculoskeletal disorders (WRMSDs) is a multi-factorial disorder in most occupational setting and it has increased significantly in recent years. OBJECTIVE: This study aimed to investigate the relationship between physical, cognitive, and environmental factors of ergonomics with the prevalence of WRMSDs in a car-parts manufacturing industry. METHODS: This cross-sectional study was performed among 220 workers in a milling unit of a car parts manufacturing company in 2021-2022. The prevalence of WRMSDs was assessed using the Extended Version of the Nordic Musculoskeletal Questionnaire. Noise exposure was evaluated using dosimetry method. Mental and physical workload were evaluated by the NASA-TLX and key index methods (KIM-MHO and KIM-LHC), respectively. Data analysis was performed using SPSS version 25.0. RESULTS: The subjects' mean age and work experience were 36.3±6.5 and 8.35±6.41 years, respectively. Eighty-five percent of the subjects reported WRMSDs in at least one area of the body. The results of mental workload assessment revealed a high workload mean range (73.23±14.89) in all of the subjects. Mean score of KIM-LHC and KIM-MHO were 738.18±336.42 and 201.86±36.41, respectively with odds ratio of 1.32 for KIM-LHC in creating the WRMSDs. There was a significant relationship between the noise exposure, mental and physical workload and the prevalence of WRMSDs (p-value < 0.05). CONCLUSION: The results of the present study revealed that environmental, physical and cognitive factors can simultaneously be effective in the prevalence of WRMSDs. Therefore, performing effective control measures requires comprehensive attention to physical, environmental, and cognitive ergonomics in the algorithm of ergonomics management in the workplace.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,213

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 Opus0,024
Tête enseignante GPT0,291
Écart entre enseignants0,267 · 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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorkMême sujetMusculoskeletal pain and rehabilitationTravaux en français237 207