Monitoreo y Evaluación de la Postura en Puestos de Trabajo de Oficina con Inteligencia Artificial

Hay más de 81 millones de trabajadores de oficina en los EE. UU. Estos oficinistas dedican 11,6 horas al día a actividades sedentarias durante el día. Varios estudios analizaron los ajustes en el lugar de trabajo para disminuir los riesgos para la salud del trabajo de oficina sedentario, pero hay poca evidencia concluyente que demuestre que las modificaciones condujeron a una disminución del riesgo de dolor musculoesquelético. Se ha encontrado que las intervenciones de sillas ergonómicas reducen los síntomas musculoesqueléticos y, sin embargo, la evidencia no es concluyente en el apoyo de diferentes sillas. De manera similar, la literatura actual sobre diferentes ajustes de computadora (i.e. teclado y ratón) no ha sido concluyente. Al evaluar las estaciones de trabajo que permiten tanto la postura sentada como de pie, la postura estática prolongada en cualquiera de las dos posiciones puede aumentar las molestias musculoesqueléticas. Muchas intervenciones ergonómicas están disponibles comercialmente, pero faltan pruebas concluyentes que demuestren que estas intervenciones reducen el riesgo de dolor musculoesquelético.

Las intervenciones más exitosas, destinadas a promover la salud de los trabajadores, incluyen un componente conductual individualizado. Los trabajadores que reciben atención individualizada, tienen una mayor conciencia general de las pautas ergonómicas, demuestran posturas significativamente mejores e informan una mayor productividad que sus contrapartes que reciben educación grupal o ninguna intervención. Además, agregar indicaciones en tiempo real a un enfoque individualizado puede aumentar aún más el éxito de una intervención, con un estudio que indica que las indicaciones pueden tener un efecto de hasta cuatro veces en los resultados. Finalmente, se ha demostrado que dar a los usuarios la posibilidad de elegir cómo implementar las recomendaciones ergonómicas, la entrada en los métodos y el momento de las indicaciones, y la flexibilidad para ajustar su entorno de trabajo demuestran mejoras significativas y sostenidas en las posturas, la productividad y el bienestar general. Este estudio proporcionará información valiosa sobre el mecanismo de detección para una estación de trabajo inteligente que adaptará el espacio de trabajo de una manera que promoverá la productividad, la salud y el bienestar a través de comportamientos consistentes para aumentar la actividad y mejorar la postura.

Este estudio contribuirá al conocimiento existente al:

1. Desarrollar métodos de detección que midan con precisión los parámetros posturales.
2. Desarrollar pautas para la detección postural (es decir, tipo de sensor, algoritmos adecuados para el análisis, ubicación del sensor) del tronco, el cuello y las extremidades superiores de los trabajadores de oficina.
3. Comprender los cambios de posición individuales y el nivel de comodidad relacionado/asociado.

Si tiene éxito, los resultados de este estudio se pueden utilizar para determinar la postura a fin de proporcionar retroalimentación ergonómica basada en evidencia en tiempo real para el lugar de trabajo para disminuir el riesgo de dolor musculoesquelético para los trabajadores de oficina.

Método y procedimientos El objetivo principal de este estudio es validar varias técnicas para evaluar la postura en una estación de trabajo de oficina y relacionar estas posturas con la incomodidad física. Los datos se recopilarán tomando información descriptiva de referencia sobre la edad, el sexo y las molestias en la parte superior del cuerpo utilizando la escala analógica visual. Se les pedirá a los participantes que organicen de forma independiente la estación de trabajo dada de cualquier manera para trabajar cómodamente y realizar tareas similares a las de una oficina. Luego, se pedirá a los participantes que trabajen en una serie de alteraciones en la estación de trabajo para probar varias posturas diferentes del cuello, los hombros, los brazos y el tronco. Estos incluirán rotación del cuello (0-45 grados), flexión lateral del cuello (0-45 grados), flexión/extensión del cuello (0-60 grados), elevación del hombro y protracción escapular, flexión del hombro (0-120 grados), abducción del hombro (0-90 grados), rotación horizontal del hombro (0-90 grados), flexión/extensión del codo (0-145 grados), flexión/extensión de la muñeca (0-80 grados), desviación cubital/radial de la muñeca (0-20 grados) , rotación del tronco, cifosis/lordosis del tronco y flexión lateral del tronco. Los participantes rotarán entre las posturas cuando se sientan incómodos con su postura actual y serán observados durante un mínimo de 2 horas y un máximo de 4 horas por sesión. Se puede pedir a los participantes que regresen hasta para dos sesiones de observación. Los participantes informarán sobre cualquier dolor, malestar y comodidad general en cada región del cuerpo cada 10 a 15 minutos. Se informará a los participantes para que notifiquen al personal del estudio sobre cualquier aumento de la incomodidad y se dará por terminada la prueba en esa postura. Habrá un protocolo de finalización para el aumento del dolor clínicamente significativo (más de 2 puntos en la escala analógica visual).

El estudio puede incluir hasta 40 participantes. El tamaño de la muestra se seleccionó para permitir múltiples rondas de recopilación de datos, ya que este será un estudio iterativo para probar varios métodos para detectar la postura. El Kinect/electromiografía se codificará para rastrear los ángulos de las articulaciones y la postura en tiempo real. La grabación de video se analizará por separado después de la sesión de observación utilizando la evaluación rápida de extremidades superiores y algoritmos informáticos automatizados. Este estudio será un proceso iterativo y las posiciones y posturas de la cámara se pueden ajustar para validar varias técnicas para la evaluación de la postura. Los datos de Kinect/electromiografía, grabación de video, postura original prevista y autoinforme del participante se compararán durante el análisis de datos.