What’s the Impact of Safety Footwear on Workers Concerning Foot-Related Problems? A Systematic Review
Notice bibliographique
Résumé
BACKGROUND: This study aims to assess the impact of safety footwear (SF) on workers concerning foot-related problems, especially regarding discomfort, foot pain, and skin lesions. METHODS: A literature search of PubMed, Embase, Scopus, and Cochrane databases was performed according to PRISMA guidelines. Studies reporting foot-related problems in workers wearing SF were included. Exclusion criteria included non-English papers, reviews, laboratory and animal studies, expert opinions, letters to the editor, and grey literature. The quality assessment was performed using the Newcastle-Ottawa Scale. Descriptive statistic was used to present data. RESULT: The initial search results yielded 483 articles; 7 articles were included in the review process. Despite the extensive variety of SF, all studies consistently reported symptomatic discomfort and pain. The discomfort factors included heat, sweating, heaviness, and footwear flexibility, with primary issues in the toes, toecaps, or metatarsal-toe crease region. The pain prevalence ranged from 42.3% to 60.8% in various anatomical regions. Irritant Contact Dermatitis was the most common (97.9%) foot dermatosis, but other foot lesions were reported: dry skin (30.2%), calluses (30%), hard nails (28%), corns (27%), and blisters. CONCLUSIONS: Current SFs are designed to comply with safety regulations but are influenced by the frequent occurrence of discomfort and foot problems. The literature review identified weaknesses in certain design features. Recommendations have been proposed to improve SF development. These include addressing issues such as the selection of specific types and designs of SF based on task performance and the working environment, footwear weight, and breathable materials for moisture permeation. Considerations should also encompass distinct sizing for an optimal fit, insole application, especially for prolonged standing users, and education programs to prevent foot-related issues.
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 | 0,012 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,007 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».