Caractériser les marges de manœuvre offertes aux aides-soignantes en vue de prévenir les troubles musculosquelettiques dans les établissements pour personnes âgées dépendantes
Bibliographic record
Abstract
Les aides-soignantes en Établissements d'Hébergement pour Personnes Âgées Dépendantes (EHPAD) sont particulièrement touchées par les troubles musculosquelettiques (TMS). Cet article propose de confronter deux approches quantitative et qualitative pour caractériser les marges de manœuvre (MM) offertes aux aides-soignantes dans un EHPAD en lien avec la prévention des TMS. Les données quantitatives issues d’un questionnaire visant à caractériser les MM offertes perçues, permet en partie de prédire les marges de manœuvre réellement offertes en situation. L’approche qualitative, basée sur l’analyse ergonomique de l’activité, documente les liens entre les marges de manœuvre offertes et les possibilités de régulation face aux difficultés rencontrées avec les résidents. Elle peut contribuer à enrichir le questionnaire pour qu’il soit plus représentatif des MM offertes. Caractériser les MM offertes par une approche mixte semble être un outil intéressant pour révéler des facteurs sur lesquels s’appuyer et agir en faveur de la prévention des TMS.
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 | 0.006 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 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) | 0.006 | 0.001 |
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".