Prevalence of musculoskeletal discomfort, occupational working factors, and work demands amongst food service kitchen workers in Ontario Canada
Notice bibliographique
Résumé
With high rates of reported physical pain/discomfort as well as co-occurrences of pain localization, workers in the food service industry are at a higher risk for musculoskeletal disorder development than many other working populations. The purpose of this paper was to document the prevalence as well as workplace conditions and demands of food service workers in Ontario Canada. A cross-sectional survey was completed from September 2022 to October 2023. The survey was completed in an online format using Qualtrics software and the sample population consisted of current and past food service workers in Ontario. Responses were counted and presented as percentages of the total respondents. 108 food service kitchen workers completed the survey. The prevalence of musculoskeletal discomfort at any anatomical location was 98.1% with 88.9% reporting discomfort at multiple locations. The prevalence of discomfort at specific anatomical locations was highest for the lower back (68.5%), followed by the feet (65.7%), shoulders (47.2%), neck (43.5%), and mid to upper back (42.6%). Most workers reported not typically taking periodic breaks during their work shift (75.0%), spending most of their time standing at their workstations (77.8%), having not received ergonomic training (50.0%), not exercising regularly (63.0%), and having a medium to high level of task variety for which they are responsible (89.8%) during a shift. The prevalence of musculoskeletal discomfort and co-occurrences are high among food service workers in Ontario. The overall working conditions appear to include many risk factors that may help explain this high prevalence.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».