Impact des efforts physiques en milieu de travail sur le développement de la fatigue musculaire, les propriétés tissulaires et la stabilité posturale des travailleurs plus âgés
Bibliographic record
Abstract
Avec le vieillissement de la population active, les travailleuses et travailleurs québécois de plus de 55 ans représentent une part croissante de la main-d'œuvre, atteignant près de 20 % en 2017. Considérant les changements physiologiques qui s’opèrent avec le vieillissement, l’emploi de main d’œuvre plus âgés peut nécessiter l’adaptation des tâches, en tenant compte de leur capacité physique et de leurs limites, de manière à préserver leur santé. Bien que peu de données soient actuellement disponibles, il est probable que les efforts physiques et les contraintes de l’environnement de travail entraînent des conséquences physiologiques différentes chez les travailleuses et travailleurs âgés en comparaison avec les plus jeunes. L’objectif de cette recherche était de mesurer les répercussions des efforts physiques déployés au cours d’une journée de travail sur le développement de la fatigue musculaire, les propriétés tissulaires et la stabilité posturale de travailleuses et travailleurs âgés et plus jeunes. L’auteur présentera les résultats obtenus et discutera des implications pour favoriser des environnements de travail sûrs et inclusif. Publication associée : https://doi.org/10.1371/journal.pone.0316678">https://doi.org/10.1371/journal.pone.0316678
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| 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) | 0.009 | 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".