Ergonomic Hazard Control Modeling for Informal Welding Workers in Greater Bandung: A Study on Musculoskeletal Disorders (MSDs)
Notice bibliographique
Résumé
Ergonomic hazards are one of the causes of health problems in workers, including causing Musculoskeletal Disorders (MSDs) complaints. MSDs in workers affect physical fitness, reduce working days/hours, and ultimately are unable to work. WHO states that around 1.71 billion people have musculoskeletal conditions worldwide. MSDs complaints in Indonesia are a separate focus, research on MSDs complaints in the informal sector shows that 66% of workers experience MSDs complaints. One industry that has a high risk of MSDs is welding. The purpose of this study was to create an ergonomic hazard control model for informal welding sector workers in Greater Bandung. The research approach is quantitative, the type of analytical observational research with a cross-sectional design. The study population was informal welding sector workers in Greater Bandung, sample was taken using a purposive sampling technique, and the total number of samples in this study was 100 workers. The analysis used in this study was the chi-square test to see the relationship between variables. Modeling in this study will use binary logistic regression. The results of the study showed that working climate, working posture, workload, and physical fitness simultaneously influenced MSDs complaints of informal welding workers (p-value < 0.05). Based on these findings, the control of MSDs complaints can be achieved by effectively managing work climate, working posture, workload, and physical fitness.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».