Insights into effective rest breaks for reducing cognitive and musculoskeletal strain in farm machinery operators: a qualitative reflexive analysis
Notice bibliographique
Résumé
BACKGROUND: Agricultural machinery operators are frequently exposed to whole-body vibration (WBV), which contributes to musculoskeletal discomfort, cognitive fatigue, and impaired balance. While engineering controls such as improved seating and suspension systems have been widely studied, there is growing interest in complementary behavioral interventions, such as regular movement-based rest breaks, to mitigate the negative health effects of WBV exposure. OBJECTIVE: We explored operators' perceptions of rest break activities aimed at reducing WBV-related strain, with attention to factors influencing uptake, acceptability, and real-world feasibility. METHODS: This was a reflexive-descriptive qualitative piece, to a broader experimental study involving 15 participants (10 in-lab, 5 in-field). In-lab participants completed a WBV simulation protocol and evaluated structured break activities (sitting, walking, stretching); in-field participants were observed on machinery and interviewed about their usual practices. Thematic analysis was conducted using an inductive approach. RESULTS: Five overarching themes emerged. Participants preferred movement-based breaks but noted barriers such as time constraints and ingrained work habits posed significant barriers to regular break-taking. Greater awareness of WBV's long-term health impacts was considered as motivators. Perceptions of WBV exposure differed between lab and field participants, influencing the perceived urgency for rest breaks. While engineering controls (e.g. seat design) were valued, they were viewed as necessary but insufficient without complementary active self-care strategies. CONCLUSION: Movement-based breaks were perceived as beneficial, but their adoption requires flexible, context-sensitive integration into daily routines. Interventions like gaze stabilization exercises offer physiological benefit, but must be adapted to respect farmers' work routines and productivity imperatives for successful uptake.
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 | 0,026 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,009 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».