Posture, machinery and risk: ergonomic characterization of industrial driving work in forklifts and electric pallet trucks
Notice bibliographique
Résumé
Objectives. The use of machinery in industrial tasks like load transportation exposes workers to ergonomic risk factors, particularly from non-neutral postures, increasing the chance of musculoskeletal disorders (MSDs). This study aimed to assess posture-related ergonomic risk among forklift and electric pallet truck operators. Methods. Conducted at a beverage bottling plant in Viña del Mar, Chile, the cross-sectional study involved 75 operators. Personal and occupational data were gathered through questionnaires, and the rapid entire body assessment (REBA) method was used to evaluate postural risk based on video analysis during machine operation. Results. Findings revealed that 49.3% of workers were at high ergonomic risk and 50.7% at very high risk, with pallet truck operation strongly associated with increased ergonomic risk (odds ratio [OR] 6.7; 95% confidence interval [2.5, 19.5]). The most significant risk factors were operating electric pallet trucks and being aged under 30 years. Pallet truck operation was strongly associated with increased ergonomic risk (crude OR 6.7), especially in workers with less experience. Conclusion. The study concludes that targeted ergonomic interventions, such as redesigning handle height or improving vibration isolation systems in electric pallet trucks, may be essential to protect younger and less experienced workers.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».