QUESTIONÁRIO MAASTRICHT DE MEMBRO SUPERIOR: MAASTRICHT UPPER EXTREMITY QUESTIONNAIRE (MUEQ)
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Introdução: A inovação digital tem modificado o contexto de trabalho na europa e no mundo. As empresas devem estar cientes desta nova integração, instituindo medidas de adaptação e correção no intuito de melhorarem as condições de trabalho dos seus trabalhadores. Objetivo: Identificar a produção científica, acerca do Maastricht Upper Extremity Questionnaire (MUEQ), por forma a mapear o conhecimento já produzido sobre este instrumento de avaliação. Metodologia: Foi realizada uma revisão integrativa da literatura, de acordo com as recomendações de Toronto e Remington. Resultados: Identificaram-se 270 artigos, dos quais se incluíram 21. Da análise de conteúdo indutiva efetuada, emergiram 4 categorias temáticas: fatores de risco; condições/ambiente de trabalho; sintomatologia e género. Conclusão: Os resultados obtidos referem a importância e abrangência do MUEQ como ferramenta de análise de riscos ergonómicos e psicossociais em trabalhadores que operam com equipamentos dotados de visor. É um instrumento válido e confiável para diversas populações. Sugerem-se estudos de adaptação cultural e validação em países culturalmente distintos daqueles em que o MUEQ já se encontra disponível, efetuando comparações com as propriedades psicométricas das diversas versões. Estudos randomizados controlados são necessários para atestar a sua responsividade e obter resultados mais confiáveis provenientes da aplicação aleatória desse instrumento.
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.001 | 0.002 |
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 it