These tools will no longer be maintained as of December 31, 2024. Archived website can be found here. PubMed4Hh GitHub repository can be found here. Contact NLM Customer Service if you have questions.


Pubmed for Handhelds

PUBMED FOR HANDHELDS

Search MEDLINE/PubMed

  • Title: A multiple linear regression approach to extimate lifted load from features extracted from inertial data.
    Author: Donisi L, Capodaglio EM, Amitrano F, Cesarelli G, Pagano G, D'Addio G.
    Journal: G Ital Med Lav Ergon; 2021 Dec; 43(4):373-378. PubMed ID: 35049162.
    Abstract:
    Work-related musculoskeletal disorders are among the main occupational health problems. Substantial evidence has shown that work-related physical risk factors are the main source of low back complaints, particularly affecting heavy and repetitive manual lifting activities. The aim of the study is, during load lifting tasks, to explore the correlation between the time domain features extracted from the acceleration and angular velocity signals of the performing subject and the load lifted, and to explore the feasibility of a multiple linear regression model to predict the lifted load. The acceleration and angular velocity signals were acquired along the three directions of space by means of an inertial sensor placed on the subject's chest, during lifting activities with load gradually increased by 1 kg from 0 kg to 18 kg. Successively three time-domain features (Root Mean Square, Standard Deviation and MinMax value) were extracted from the acquired signals. First a correlation analysis was carried out between each individual feature and the load lifted (calculating r); then the time-domain features that proved most representative (strong correlation) were used to create a multiple linear regression model (calculating R-square). The statistical analysis was carried out by means of the Pearson correlation and multiple linear regression model was fed with the most informative time-domain features according to the correlation analysis. The correlation analysis showed a strong correlation (r > 0,7) between six features (three extracted from z-axes acceleration and three extracted from y-axes angular velocity) and the lifted load. The predictive multiple linear regression model, fed with these six features achieved a Rsquare greater than 0,9.The study demonstrated that the proposed combination of kinematic features and a multiple regression model represents a valid approach to automatically calculate the load lifted based on raw signals obtained by means of an inertial sensor placed on the chest. The results confirm the potential application of this methodology to indirectly monitor the load lifted by workers during their activity. I disturbi muscoloscheletrici rappresentano uno dei principali problemi di salute sul lavoro. Prove sostanziali hanno dimostrato che i fattori di rischio fisico legati al lavoro sono la principale fonte di disturbi al rachide, in particolare per le attività di sollevamento manuale pesanti e ripetitive. Lo scopo dello studio è di esplorare, su soggetti che svolgono attività di sollevamento carichi, la correlazione tra le caratteristiche nel dominio del tempo estratte da segnali di accelerazione e velocità angolare, ed esplorare la fattibilità di un modello di regressione lineare multipla per stimare il carico sollevato. I segnali di accelerazione e velocità angolare sono stati acquisiti lungo le tre direzioni dello spazio mediante un sensore inerziale posto sul torace del soggetto, durante attività di sollevamento con carico progressivamente aumentato di 1 kg, da 0 kg a 18 kg. Successivamente tre caratteristiche del dominio del tempo (valore quadratico medio, deviazione standard e valore MinMax) sono state estratte dai segnali acquisiti. Dapprima è stata effettuata un’analisi di correlazione tra ogni singola caratteristica e il carico sollevato (calcolando il coefficiente di correlazione); quindi le caratteristiche del dominio del tempo che si sono dimostrate più rappresentative (alta correlazione) sono state utilizzate per creare un modello di regressione multipla (calcolo del coefficiente di determinazione). L’analisi statistica è stata effettuata mediante il calcolo del coefficiente di correlazione di Pearson e il modello di regressione lineare multipla alimentato con le caratteristiche nel dominio del tempo che sono risultate più informative secondo l’analisi di correlazione. L’analisi di correlazione ha mostrato una correlazione forte (r > 0,7) tra sei caratteristiche (tre estratte dall’accelerazione lungo l’asse z e tre estratte dalla velocità angolare intorno all’asse y) e il carico sollevato. Il modello di regressione lineare multipla, alimentato con queste sei caratteristiche, ha ottenuto un coefficiente di determinazione maggiore di 0,9. Lo studio ha dimostrato che il modello di regressione lineare multipla proposto, alimentato con specifiche caratteristiche estratte da segnali prelevati da un sensore inerziale posizionato sullo sterno, rappresenta un valido approccio per calcolare automaticamente il carico sollevato. I risultati confermano la potenziale applicazione di questa metodologia per monitorare indirettamente il carico sollevato dai lavoratori durante la loro attività..
    [Abstract] [Full Text] [Related] [New Search]