MétaCan
Menu
← Retour à la cohorte
Enregistrement W4415848762 · doi:10.1186/s12889-025-25011-1

Attitudes, needs, and opportunities for training on musculoskeletal disorder risk reduction in masonry

2025· article· en· W4415848762 sur OpenAlexafffundabout
Tasha McFarland, JuHyeong Ryu, Carl T. Haas, Eihab Abdel‐Rahman

Notice bibliographique

RevueBMC Public Health · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueMusculoskeletal pain and rehabilitation
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Masonry Design Centre
Mots-clésApprenticeshipMentorshipMusculoskeletal disorderContext (archaeology)Human factors and ergonomicsRehabilitationMusculoskeletal injuryWork (physics)Training (meteorology)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In many countries, including Canada, employers have a legal obligation to provide training programs to the new workers to reduce the risk of musculoskeletal disorders (MSDs). However, current safety and health training modalities, including those specific to ergonomic and MSD prevention, have shown limited success in promoting safe motions patterns. As workers gain more experience, they develop the knowledge and skills necessary to consistently demonstrate safer and more productive performance in tasks within their areas of expertise compared to novices and apprentices. Training apprentices using expert work strategies is a potential intervention that can reduce MSD risk while balancing productivity needs. By understanding the perspectives of experts in the field, we investigate the specific needs of masonry workers and their employers to improve masons' safety and health. METHODS: This study conducted qualitative user interviews with eight masonry instructors with more than 20 years of experiences from the Ontario Masonry Training Centre. The eight instructors had an average of 23.9 years of experience as masons with a range between 10- and 43-years. As instructors, they had an average of 6.9 years' experience with a range between 1.5- and 18-years. RESULTS: Thematic analysis using template methodology was carried out on the data collected and identified six key themes: knowledge of muscle injury risks and prevention, safety in masonry, physical demands and MSD risk, the impact of physical demands, safety culture and attitudes, and the role of safety in apprentice training. The instructors' exposure to high physical demands within masonry was a major theme during the interviews. Instructors discussed the high forces, repetition and awkward postures which take a toll on their bodies. Another large theme was about the safety culture and attitudes within the trade. Younger apprentices often think themselves invincible and show less concern towards musculoskeletal safety, whereas the older masons are more concerned. CONCLUSION: The findings highlight the need for apprenticeship training programs to include modules on safe lifting practices, ergonomic awareness, and long-term injury prevention. They also emphasize the importance of mentorship from experienced masons, structured rehabilitation support after injuries, and connecting ergonomic practices to productivity outcomes. Instructors' perspectives provide valuable context to guide the development of ergonomic training systems that are both relevant to masonry work and tailored to the needs of apprentices and their employers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,002
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,359
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public Health→Même sujetMusculoskeletal pain and rehabilitation→Travaux en français237 207→