Assessment of Heart Rate Variability Among Plant Nursery Workers
Notice bibliographique
Résumé
OBJECTIVES: Work-related stress has become prevalent among workers in various occupational sectors, including agriculture. This study assessed stress among seasonal migrant workers at a plant nursery throughout their full work shift. METHODS: The study included nine participants who performed a variety of tasks during the measurement day. Their beat-to-beat heart intervals were continuously collected using a heart rate monitor and mobile application. Their stress at work was then characterized in terms of heart rate variability (HRV) parameters (Mean RR, SDNN [Standard Deviation of NN], RMSSD [Root Mean Square of Successive Differences], VLF [Very Low Frequency] Power, LF [Low Frequency] Power, HF [High Frequency] Power, Total Power, VLF%, LF%, HF%, LF n.u. HF n.u. and LF:HF Ratio) using the Kubios HRV software. Generalized linear mixed-effects models were used to determine the effect of time of day since work began (partitioned into 15-min windows) and the assigned job tasks. RESULTS: Time of day was found to reduce Mean RR, SDNN, RMSSD, LF, HF, and Total Power, while increasing the LF:HF ratio, indicating stress increased as the workday progressed. Some job tasks had a significant impact on workers' stress levels. The task of field maintenance, including trimming bushes and sweeping cut branches, resulted in an increase in workers' stress. Conversely, weeding appeared to decrease SDNN, RMSSD, and VLF Power, suggesting this activity reduced stress. CONCLUSION: This study demonstrated the feasibility of assessing heart rate variability in the field, providing objective data to decision-makers. To the authors' knowledge, this study is among the first to evaluate agricultural workers' stress using direct physiological measures such as heart rate variability.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 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 ».