Évaluation de la fatigue musculaire au moyen de capteurs embarqués
Notice bibliographique
Résumé
La répétition d’efforts de faible intensité provoque de la fatigue musculaire et représente un \nfacteur de risque de développement des troubles musculosquelettiques (TMS) à l’épaule. La \ndétection de la fatigue musculaire permettrait de meilleures interventions de prévention de TMS \nliés au travail répétitif. L’objectif de ce mémoire est de développer de nouveaux indicateurs \npermettant d’évaluer le mouvement des travailleurs à l’aide de capteurs inertiels portatifs afin \nd’offrir un outil d’évaluation du niveau de fatigue employable sur le terrain. Pour ce faire, vingt-quatre \ntravailleurs ont réalisé une tâche de travail avant et après une tâche de pointage répétitif \n(RPT) générant de la fatigue musculaire. La fatigue était évaluée à l’aide de l'échelle CR10 de Borg \ntoutes les 30s et d’une contraction maximale réalisée toutes les 2 minutes. Des données de \ncapteurs inertiels, positionnés sur le tronc et les membres supérieurs des travailleurs, ont été \nanalysées en temps-fréquence et leur coordination inter-segment calculée afin d’extraire des \nindicateurs de fatigue. Les résultats montrent une augmentation du spectre de puissance et de la \nvariabilité de la coordination sur les segments proximaux du haut du corps (tête, sternum, bassin, \népaule, bras, avant-bras et main) pendant la RPT. Aussi, une augmentation du spectre de \npuissance moyen a été observée sur les segments du bras (main, avant-bras et bras supérieur) \npendant la tâche de travail réalisée immédiatement après la RPT. En conclusion, il semblerait \npossible, en observant de tels changements cinématiques, de détecter la fatigue musculaire des \ntravailleurs en industrie à l’aide de capteurs inertiels.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».