Troubles musculo-squelettiques chez les téléopérateurs des centres d’urgence 911, des contraintes physiques aux contraintes psychosociales
Bibliographic record
Abstract
À la demande de l’Association paritaire pour la santé et sécurité du travail secteur « affaires municipales » du Québec (APSAM), une programmation de recherche thématique a été élaborée dans le but d’intervenir pour réduire la prévalence des troubles musculo-squelettiques et de santé psychologique affectant les téléopérateurs des centres d’urgence 911. Cet article présente une première étude dont l’objectif est de décrire la prévalence et d’identifier les problématiques sous-jacentes à la présence de troubles musculo-squelettiques. La méthodologie adoptée comporte l’administration de questionnaires, la réalisation d’observations et d’entrevues ouvertes dans cinq centres d’urgence 911. Les résultats montrent des taux de prévalence de troubles musculo-squelettiques beaucoup plus élevés que ceux d’un échantillon représentatif de travailleurs et travailleuses québécois. L’analyse des résultats statistiques à la lumière des observations et des entrevues ouvertes a permis de préciser les problématiques sous-jacentes afin de développer un projet d’intervention.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".