Adjustments for Improved REBA and RULA Methods Based on Postural Sway Analysis
Notice bibliographique
Résumé
Ergonomic risk assessment methods are widely utilized in the construction sector to mitigate work-related musculoskeletal disorders (WMSDs).However, current methods, such as the Rapid Entire Body Assessment (REBA) and the Rapid Upper Limb Assessment (RULA), often encounter issues related to overestimation and fluctuation, primarily due to sharp boundaries defined by ambiguous terms.Specifically, a 0° threshold is frequently used as a strict boundary for adjustment factors, disregarding minor joint movements and muscle activation.This study aims to quantify the upper arm-related risk adjustment factors in REBA and RULA by analyzing angle tolerances through muscle activation data.Angle tolerances are derived using surface electromyography (sEMG) data from specific muscles during arm abduction movement.A total of 23 participants' data are used for this study.The main results include 1) revealing 0° threshold is unsuitable as an adjustment boundary through muscle activation analysis before arm abduction.2) identifying joint tolerance defined by the endurance limit of 10% maximal voluntary isometric contraction (%MVC).Finally, these tolerances are subsequently used to refine posture categorization within the risk rating adjustment process, resulting in a modified upper arm adjustment factor in the REBA and RULA frameworks, which incorporates posture sway for more accurate risk estimation.The outcomes of this study are expected to mitigate the overestimation and fluctuation issues inherent in REBA and RULA while introducing a novel integration of muscle status and risk detection for risk assessment.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».