基于人工智能的计算机视觉技术用于工业金属抛光操作员的人体工程学风险评估及肌肉骨骼症状患病率研究 作者：Joel Alves、Tania M. Lima 和 Pedro D. Gaspar

《Eng》：AI-Powered Computer Vision for Ergonomic Risk Assessment and Musculoskeletal Symptom Prevalence in Industrial Metal Polishing Operators Joel Alves, Tania M. Lima and Pedro D. Gaspar

　　摘要：制造业中的抛光任务涉及重复性动作和长时间的固定姿势，这增加了工人患与工作相关的肌肉骨骼疾病（WRMSDs）的风险。本研究对应用于工业金属抛光操作员的人体工程学评估方法进行了跨行业验证，考虑了社会人口统计学、人体测量学和健康变量。研究通过使用北欧肌肉骨骼问卷调查了41名工人，并利用基于人工智能的计算机视觉技术对27名工人进行了REBA方法评估。症状最常见的部位是颈部（82.9%）、肩膀（70.8%）、下背部（68.3%）和手腕/手部（65.9%）。通过基于计算机视觉的人工智能工具分析姿势，REBA方法发现上臂、颈部和躯干的WRMSD风险分别为中等（70.3%）、高（26.0%）和非常高（3.7%），其中女性的易感性更高。斯皮尔曼相关性分析显示年龄、性别、健康感知与肌肉骨骼风险之间存在显著关联。研究结果证实了该人体工程学评估方法在工业抛光任务中的适用性和可靠性，强调了需要根据性别和年龄特征制定有针对性的干预措施以减轻职业危害。这些结果支持了一种适用于工业环境的无侵入式评估方法，有助于优先考虑有针对性的、针对不同工人的身体工程学干预措施。

1. 引言
各行业正面临日益严重的人口统计挑战，其特征是劳动力老龄化以及出生率下降，这种现象被称为“人口统计寒冬”。在欧洲，低生育率加上人口老龄化趋势可能在未来几十年内危及欧洲的经济和社会可持续性[1]。这种情况要求重新审视职业健康政策和人力资源管理，以适应老龄化劳动力的能力，并促进保留和培训策略[1,2]。然而，制造业中的职业健康状况受到了工作相关肌肉骨骼疾病（WRMSDs）症状增加的显著影响，尤其是在涉及重复性手工任务和高体力要求的行业中[3,4]。重型工业部门显示出较高的肌肉骨骼症状发生率，特别是在脊柱区域（腰椎、胸椎和颈椎），这不仅与生物力学因素（如不当姿势和重复性任务）有关，还与组织和社会心理因素（如长时间工作和工作相关压力）有关[5]。另一项关于瓷器手工工作的研究也发现脊柱（颈部和下背部）和肘部出现高频率的肌肉骨骼症状，证实了肌肉骨骼症状在工业环境中的普遍性，同时社会人口统计学和职业因素也促进了这些症状的发生[6]。此外，在葡萄牙进行的研究也显示制造业中症状发生率很高。超过50%的针线行业工人在过去12个月内报告了下背部（54%）、颈部（42%）、肩膀（39%）、脚踝/脚（38%）和手腕/手部（36%）的疼痛或不适，其中女性的发病率更高[7]。在运输和金属加工行业中，工人也报告了肌肉骨骼症状，主要发生在脊柱和上肢，并存在患工作相关肌肉骨骼疾病的风险[8]。这种高发病率与所有这些行业共有的风险因素有关，即重复性动作、不当姿势、手动操作和工作相关压力，这些都是制造业中导致上肢肌肉骨骼损伤的关键因素[7,8]。调音师和金属加工操作员则分别因为静态姿势和振动工具而报告更多问题[7,8]。最近的研究，如Alves等人的研究[3,4]，强调了详细的人体工程学评估和以工人为中心的方法在预防和减轻这些风险方面的重要性，特别是在向工业4.0转型的背景下，工人福利和包容性是关键优先事项[9]。

与此同时，人体工程学评估领域正在经历数字化转型。最新文献指出，评估方法正从传统的观察法转向基于人工智能的无标记运动捕捉系统。这些计算机视觉技术提供了一种无需穿戴传感器的非侵入式替代方案，能够连续客观地监测风险，而不干扰工人的生产效率[10,11]。此外，将这些数字工具整合到工业4.0框架中越来越被认为是实现可持续制造的关键，允许根据个别工人的特点进行数据驱动的干预，而不是基于一般人群的平均值[12]。最近的研究表明，计算机视觉和机器学习可以通过实时估计身体关节角度和相应的RULA评分来自动化人体工程学风险评估，从而克服了对人工观察的依赖和局限性[13]。此外，结合机器学习的可穿戴传感器系统实现了动态活动中的运动监测和伤害风险预测[14]。最近，基于人工智能的数字孪生技术结合了姿态估计、物体检测和周围环境分析，实现了工作空间的全面优化，以及沉浸式、更快速、动态和实时的人体工程学干预[15]。所有这些技术策略为职业健康带来了新的可能性。因此，将人体工程学方面与人口统计挑战相结合，是确保现代工业环境高效、安全和包容性的关键方法。本研究重点复制了Alves等人[3,4]应用的方法，使用标准化问卷（如北欧肌肉骨骼问卷NMQ）和先进的人体姿势识别技术（借助人工智能）来动态评估肌肉骨骼风险。为此，研究了对同一工业部门内执行相同抛光任务的工人群体进行了分析和评估，以验证该方法在其他工业环境中的可行性和可重复性。此外，还进行了按性别和年龄分层的样本之间的跨行业比较，从而识别特定脆弱性并制定定制的人体工程学干预措施。因此，本研究支持这样一种假设：结合NMQ和基于人工智能的姿势分析的人体工程学评估方法能够在同一工业部门的不同群体中产生一致的风险评估结果，同时仍能敏感地检测到与性别和年龄相关的特定脆弱性。

2. 材料与方法
为了复制和验证Alves等人[3,4]在精密金属加工行业的抛光领域之前应用的方法，本研究采用了相同的方法论。之前的研究通过北欧肌肉骨骼问卷（NMQ）（针对葡萄牙人群进行了调整和验证[16]）以及基于计算机视觉和人工智能算法的无传感器人体工程学评估工具TuMeke[17]，来描述工人的社会人口统计学和症状特征，以评估工作相关肌肉骨骼疾病（WRMSDs）的风险。TuMeke是一种无传感器、基于计算机视觉的应用程序，它自动化了快速全身评估（REBA）方法。该系统使用类似于MediaPipe或OpenPose的高级姿态估计算法，从标准2D视频输入中追踪骨骼关键点。通过重建受试者的3D姿势几何结构，软件自动计算相对于重力和相邻身体部位的关节角度，从而确定REBA评分算法所需的精确屈曲、伸展和旋转值。这种自动化方法消除了对侵入式可穿戴传感器或手动量角器的需求，减少了观察者内部和之间的差异，同时保持了原始REBA方法的标准评分标准[4,17,18]。因此，这项研究是一种跨行业和方法论的验证，因为它在同一类型的冶金行业中进行了相同的操作性抛光领域的研究，该领域高度依赖手工流程，并被认为具有较高的WRMSDs风险，但使用了不同的操作员样本。在相同的背景下进行复制，可以评估Alves等人[3,4]定义的方法的稳健性、一致性和可重复性。在与其原始研究密切相关的背景下进行跨行业验证，对于确保测量结果的稳健性、有效性和可靠性至关重要，特别是在应用于同一工业领域内执行相同任务的不同样本时。可靠性是指仪器能够在重复评估中一致地再现参与者的相对排名，这是提供一致和可比数据的基本要求[19]。然而，可靠性本身并不能保证重复测量之间的绝对一致，这对于区分真实变化和测量误差或工具敏感性至关重要[19]。方法论的有效性要求仪器不仅可靠，而且能够准确且有意义地测量所测量的构念，从而证明了对问卷和人体工程学评估系统的严格调整和验证的必要性[20]。本研究在同一工业环境中对执行相同任务的不同操作员群体复制该方法，不仅有助于评估结果的可重复性，还通过确认研究结果的适用性和一致性增强了外部有效性。

研究于2025年7月在葡萄牙中部的一个金属加工行业单位进行，该单位专门从事抛光和豪华金属制品及珠宝制造。该公司雇用了50至200名操作员，以其高水平的技术专长以及对客户和其他利益相关者的社会责任而受到认可。与之前的研究[3,4]一样，选择的操作部门是抛光部门，其特点是需要连续移动上肢和躯干的手工任务，通常在坐姿下完成。所有参与者都没有监督职责，专门从事小型金属件的手工抛光工作，这项工作在整个工作日中需要施加不同程度的力量。数据收集采用了两种互补的方法。首先，发放了“工业环境中的人体工程学、福祉和健康”（补充材料S1）问卷，该问卷改编自现有文献，并分为两个部分，其中包含了个人和职业信息以及葡萄牙版本的NMQ[8,16,21]。NMQ记录了九个解剖区域的疲劳、不适或疼痛（FDP）情况，这些数据在三个参考时间段内进行了分析：过去12个月、过去7天以及过去12个月的功能限制（即无法工作）。其次，使用TuMeke应用程序进行了无传感器人体工程学评估，该应用程序通过智能手机视频记录抛光任务来估计3D姿势[17,18]。这项新技术从项目开始就一直是重点，因为必须确保公司的生产不受影响。因此，研究的设计尽量减少了对正常运营的影响。工人被拍摄了三个不同时间点（早晨、午休/午餐时间和下午），然后使用软件分析录像以生成基于REBA等既定方法的人体工程学风险指标[22]。为了最小化观察者偏差，所有参与者在拍摄前都得到了通知，并给予了短暂的适应期。

根据Alves等人[3,4]的方法，样本按年龄类别分组：年轻组（18-34岁）、中年组（35-44岁）和老年组（≥45岁）。然而，在本研究中，老年组进一步细分为两个子组：中年工人（45-54岁）和资深工人（55-64岁）。每个类别内的工人都是随机选取的。因此，尽管本研究遵循了我们之前工作的一般方法论框架，但它独立进行；即使用了新的操作员样本，在不同的公司和时间段内收集数据，并改进了年龄组设计（即老年工人组内的更多分层）。这种分层使得按年龄和性别比较和分层分析症状发生率和人体工程学风险成为可能，确保了原始方法论设计的复制。

最后，收集的变量被整理以进行进一步的统计处理。Shapiro-Wilk正态性检验表明数据分布不正常且样本量较小（补充材料S2），因此应用了非参数相关性检验（斯皮尔曼系数）来评估社会人口统计信息、肌肉骨骼症状和人体工程学风险指标之间的关联。该研究获得了贝拉内陆大学伦理委员会的批准（参考代码CE-UBI-Pj-2024-001）。所有参与者都提供了知情同意，包括允许进行图像和视频记录的授权。个人数据的保密性通过加密和仅限研究团队访问的方式得到了保障。

3. 结果
初始样本包括41名工人，没有人拒绝自愿参与，因此响应率为100%。值得注意的是，在这项案例研究和分析阶段，没有操作员因为体重指数（BMI）低于18.5 kg/m2或高于40 kg/m2而被排除在外。因此，没有必要应用这一排除标准，从而消除了BMI对工作相关肌肉骨骼疾病潜在的重大影响。3.1. 总样本的社会人口统计、职业和健康特征本节介绍了劳动力的社会人口统计和职业特征，包括年龄、性别、婚姻状况、与儿童的同居情况、教育水平、工作年限、工作时间以及使用的设备。此外，还概述了与健康相关的习惯、生活方式因素和人体测量数据，以及与体力需求和肌肉骨骼健康相关的自我报告症状的普遍情况，从而提供了工人总体健康状况和工作相关肌肉骨骼问题的概览。3.1.1. 社会人口统计和职业特征整个样本包括41名抛光操作员，平均年龄约为43岁（σ = 9.157岁），年龄范围从20岁到59岁不等。在性别方面，样本中女性占28人（68.3%），男性占13人（31.7%），女性的平均年龄约为45岁（σ = 8.342岁），男性为36岁（σ = 7.933岁）。关于社会人口统计特征，即婚姻状况，大多数工人已婚（53.7%），存在显著的性别差异：女性主要是已婚（71.4%），而男性主要是单身（46.2%）或处于事实婚姻关系中（30.8%）。关于与16岁以下儿童的同居情况，总样本中51.2%的工人不与这个年龄段的儿童同住，46.4%的工人与16岁以下儿童同住。这一趋势在性别间也保持平衡，50%的女性不与16岁以下儿童同住，而男性中这一比例略高，为53.8%。在教育资格方面，大多数工人完成了中等教育（10至12年级），占58.5%，其次是完成了基础教育（5至9年级）的工人，占19.5%，以及完成了技术-职业教育的工人，占12.2%。关于反映操作员职业情况的数据，最多数的操作员在公司工作不到5年（48.8%），其次是工作年限在5到10年之间的操作员（31.7%）。公司在公司的平均工作年限为6.1年（σ = 4.287年）。在这方面，男性的平均工作年限为8.4年（σ = 5.893年），高于女性的平均工作年限5.1年（σ = 2.968年）。所有操作员的平均每周工作时间为40小时。同样，工作时间也是一致的，因为这家公司/行业只实行常规工作时间。关于使用的设备，56.1%的工人使用抛光设备，其次是31.7%的工人使用宝石加工机器。表1总结了整个样本的社会人口统计和职业变量及其按性别分布的情况。表1. 社会人口统计和职业数据（n：频率；%：百分比；NR：无回答）。3.1.2. 生活方式、健康习惯和工作相关肌肉骨骼疾病的投诉关于抛光操作员，82.9%的人表示他们的右手是主导手，14.6%的人表示双手使用频率相同。这一趋势在女性中更为明显，89.3%的女性表示右手是主导手，而男性中只有69.2%的人表示右手是主导手。在男性操作员中，双手灵巧的比例较高，为30.8%。关于每周的体育锻炼，65.9%的工人表示不进行体育活动，女性中的比例（71.4%）高于男性（53.8%）。然而，尽管总体体育活动水平较低，但这种性别差异不那么明显。关于睡眠习惯，53.7%的操作员表示每晚睡眠7到8小时，42.9%的操作员睡眠4到6小时，性别间的差异不大。关于自我报告的整体健康状况，大多数工人认为自己的健康状况一般（51.2%），其次是良好的（19.5%），而在非常良好和较差的极端评价中比例相当（9.8%）。使用北欧肌肉骨骼问卷（NMQ）收集了体重和身高数据，以计算和分类体质指数（BMI）。所有操作员的平均体重为71.7公斤（σ = 14.054公斤），最低体重为50公斤，最高体重为107公斤。按性别划分，女性的平均体重为66.5公斤（σ = 9.571公斤），男性为82.8公斤（σ = 15.968公斤）。平均身高为1.67米（σ = 0.090米），女性为1.62米（σ = 0.067米），男性为1.76米（σ = 0.062米）。因此，整个样本的平均BMI被归类为超重，平均BMI为25.6（σ = 3.955）。具体来说，女性的平均BMI为25.2（σ = 3.946），男性为26.5（σ = 3.969），两者均表明超重。表2总结了整个样本及其按性别分布的健康和生活方式习惯数据。表2. 健康和生活方式习惯（n：频率；%：百分比）。使用北欧肌肉骨骼问卷（NMQ）的葡萄牙语版本评估了FDP（疲劳、不适或疼痛）和/或工作相关肌肉骨骼疾病的存在和普遍情况。根据该问卷，分析针对不同的解剖区域进行，特别是脊柱（分别检查颈椎、胸椎和腰椎部分）、上肢（包括肩膀、手腕/手和肘部）以及下肢（分析髋部/大腿、腿/膝盖和踝部/脚）。此外，数据还分析了两个不同的时间段，首先是过去12个月，然后是过去7天，以及执行常规工作任务时的任何限制（图1）。图1显示，在过去12个月中，与FDP相关的投诉百分比在脊柱区域和上肢最高，尤其是在肩膀和手腕/手部。操作员认为颈部是投诉最多的区域（82.9%），其次是肩膀（70.8%）、下背部（68.3%）、手腕/手（65.9%）和上背部（63.4%）。关于操作员在过去7天内报告的投诉，与过去12个月的报告不同，上肢是投诉最多的解剖区域，肩膀的投诉比例为46.4%，手腕/手的投诉比例为39.1%。接下来是椎骨区域，下背部的投诉比例为39%，上背部和颈部的投诉比例均为34.1%。关于过去12个月执行工作任务的限制，脊柱区域的发病率最高，尤其是颈部（12.2%），其次是肩膀和下背部（9.8%）。值得注意的是，除了肘部和踝部/脚之外，所有研究的解剖区域都记录了工作表现的限制。因此，比较不同解剖区域的FDP投诉百分比和相应的工作限制表明，无法执行某些任务可能与这些区域中肌肉骨骼疾病或损伤的高发率有关。然后分析了操作员在这些解剖区域经历的FDP强度，严重程度被评定为轻微、中度、重度或无法忍受（图2）。图2中的强度分类显示，所有解剖区域中最常报告的强度为中度，除了手腕/手部，其中最常见的分类为强烈（24.4%）。然而，脊柱区域的强度最高，特别是颈部为39%，下背部为31.7%，上背部为26.8%；在上肢中，尤其是肩膀为31.7%。同样值得注意的是，膝盖（29.3%）和髋部/大腿（19.5%）的报告强度也为中度。值得注意的是，在这些解剖区域中，第二常见的分类是强烈强度，表明这些工人报告的FDP严重程度较高。特别是在手腕/手部，中度（22%）和强烈（24.4%）的投诉比例非常接近。图2. 显示了过去12个月操作员报告的疲劳、不适或疼痛强度百分比的解剖区域图。3.1.3. 行业内部比较根据社会人口统计数据，本研究调查的抛光部门的女性工人比例高于男性，而参考文献[3]研究的抛光部门的女性和男性比例更为均衡，分别为45%和55%。本研究的主要年龄组为35至44岁（46.3%），其次是18至34岁（17.1%）和45至54岁（17.1%），而Alves等人[3]研究的公司在18至34岁年龄组的比例更高（39.3%），其他年龄组的分布更为均匀。关于婚姻状况，本研究中单身工人的比例较低（19.5%），大多数已婚（53.7%），而参考文献[3]中单身比例为44.3%，已婚比例为36.4%，显示出两组社会特征的显著差异。该行业抛光部门的主要教育水平为中等教育（58.5%），其次是基础教育和技术职业教育。在参考文献[3]中，中等教育也占主导地位（43.6%），但基础教育和高等教育的比例更为多样化。考虑到职业和工作习惯数据，在本研究的行业中，48.8%的操作员在公司工作不到5年，与Alves等人[3]中的71.4%相当，表明该抛光部门的新员工比例较高。两组中大多数人的工作时间为每周40小时（本研究中为100%，参考文献[3]中为85.7%），并且都从事常规班次（本研究中为100%，参考文献[3]中为85.7%）。关于设备，本研究的操作员主要使用抛光机器（56.1%），而在Alves等人[3]中这一比例更高（82.1%），使用宝石加工机器和其他工具的比例较低。此外，关于健康习惯和生活方式，两组都以右手为主导（本组中为82.9%，参考文献[3]中为62.9%）。大多数人的BMI处于正常范围内（本研究中为58.5%，参考文献[3]中为52.1%），尽管Alves等人[3]中的工人锻炼更为普遍（57.9%），而本研究中为34.1%。关于睡眠模式，两组工人显示出相似的趋势，大多数人的睡眠时间为7到8小时，与参考文献[3]的研究结果相当。在本研究案例中，操作员普遍认为自己的健康状况一般（51.2%），这一评估比Alves等人[3]更为悲观，后者报告的良好（47.1%）和非常好（25.7%）的比例更高。接下来是过去12个月报告的FDP症状，两组中颈椎、手腕/手和腰椎区域的投诉最为普遍，尽管本组工人在几乎所有解剖区域的数值略高，尤其是颈部症状（82.9% vs. 参考文献[3]中的73.6%）和肩膀（70.8% vs. Alves等人[2024]中的56.4%），除了手腕/手（65.9% vs. 参考文献[3]中的72.8%）和下背部（68.3% vs. 参考文献[3]中的69.3%），这些区域的数值略低。在急性期分析（7天）中，本组操作员的投诉比例高于Alves等人[3]，除了颈部和下背部。在症状的严重程度和强度方面，本研究表明所有解剖区域的报告比例倾向于中度到强烈疼痛。3.2. 将总样本数据与用于人体工程学分析的选定研究样本进行比较研究的下一阶段是从每个年龄组中随机选择操作员。为了确保每个年龄段的评估操作员数量相等，限制因素是根据整个样本中最小年龄组中的操作员最大数量来设定的。因此，限制年龄范围分别是18至34岁和45至54岁，每个年龄段仅包括7名操作员。最终样本由27名工人组成，每个年龄段各有7人，除了45至54岁这个年龄段，因为在这一阶段只有6名操作员能够参与。这项人体工程学评估研究的样本大约代表了所有抛光操作员的66%。所有记录都是在分析了参与抛光任务的所有操作员之后进行的，这些操作员之前已经包含在本研究中，并且已经提供了知情同意，并满足了既定的纳入标准。参与者人数从41人减少到27人，是基于之前研究中使用的按年龄段平衡参与者的相同策略，以确保各年龄段之间的比较更加均衡，从而能够进行方法上的复制和验证。

3.2.1. 社会人口统计、健康和人体测量学的研究样本数据
样本的平均年龄为43岁（σ = 10.673），其中女性操作员占19人（70.4%），男性操作员占8人（29.6%），女性的平均年龄为47岁（σ = 8.935），男性的平均年龄为34岁（σ = 8.799）。在不同年龄段中，最年轻年龄段的男性工人比例较高，而较年长年龄段的女性工人比例较高。关于婚姻状况，大多数操作员已婚（55.6%）；然而，按性别来看，大多数男性操作员是单身（37.5%）或处于事实婚姻关系中（37.5%），而大多数女性操作员已婚（73.7%）。至于与16岁以下儿童同住的情况，55.3%的样本成员没有与这个年龄段的儿童同住，这一趋势在男性中更为明显，有62.5%的男性没有与16岁以下儿童同住，而女性中这一比例为52.6%。大多数操作员的受教育水平为中等教育，这也是两性中普遍的教育水平。

关于职业特征，40.7%的工人工作年限少于5年，其次是31.7%的工人工作年限在5到10年之间。此外，工作年限超过10年的高资历操作员在男性中更为普遍（25%），而在女性中低资历操作者的比例较高。

接下来是生活方式和健康信息，特别是手部偏好方面，81.5%的工人报告右手为主，其中女性的比例更高（89.5%），男性的比例较低（62.5%）。然而，男性中双手灵巧的比例（37.5%）高于女性（5.3%）。在体力活动方面，63%的操作员不进行体育锻炼，尤其是女性（73.7%），相比之下，男性报告的参与体力活动的比例较高（62.5%）。关于睡眠习惯，大多数工人每晚睡眠7到8小时，这一情况在两性中都很普遍。然而，女性中每晚睡眠4到6小时的比例更高。

样本的平均BMI为25.5（σ = 4.030），属于超重范围，男性为26.1（σ = 4.156），女性为25.2（σ = 4.058）。尽管如此，女性的正常体重比例较高（68.4%），而男性中超重的比例较高（50%）。按年龄段划分，所有年龄段的平均值都处于超重范围内，18–34岁年龄段的平均值为25.4（σ = 3.804），45–54岁年龄段的平均值为25.3（σ = 4.736），55–64岁年龄段的平均值为27.0（σ = 4.493），只有35–44岁年龄段的平均值处于正常体重阈值24.1（σ = 3.477）。有肥胖病例记录，其中最年长年龄段（55–64岁）的BMI最高，为34.7，最年轻年龄段（18–34岁）为33.1，较年长年龄段（45–54岁）为32.9。

对总体健康状况的感知大多数被评为“合理”（51.9%）和“良好”（22.2%）。在女性中，“合理”的感知更为普遍（68.4%），而在男性中，“良好”的感知更为常见（37.5%）。

这个样本中观察到的模式与之前对整个样本描述的趋势一致（图A1）。

如前所述，研究样本是从总样本中随机选取的，同时确保了不同年龄段的分布均衡，具体为18–34岁、35–44岁、45–54岁和55–64岁。在最初分析的总样本中，发现了年龄限制群体，其中35–44岁年龄段的操作员集中度最高。因此，在当前的研究样本中，从这个年龄段随机选取了操作员，以实现四个年龄段的均匀分布。

关于性别分布，虽然记录到了一些变化，但所有年龄段的百分比趋势都得到了保持，保持了与总样本相似的比例和性别趋势。分析的社会人口统计和健康数据显示，研究样本与总样本以及不同性别之间的数据具有一致性和相似性，从而保持了相同的百分比趋势。尽管差异不显著，但在比较研究样本和总样本时发现了一些细微的性别差异，特别是在婚姻状况的数据中，研究样本中的男性离婚率高于女性；同样，在BMI分类中，I类肥胖的比例女性高于男性。接下来，比较了研究样本和总样本中操作员感知的工作相关肌肉骨骼疾病（WRMSD）症状的普遍性以及自我报告的症状强度。

关于过去12个月的FDP（疲劳、不适或疼痛），研究样本中的操作员报告以下身体区域的症状最多：颈部81.5%，下背部74.1%，肩膀和手腕/手部74%。这些结果显示，总样本和研究样本在所有分析的解剖区域上都有相似之处。不过，肩膀、手腕/手部、下背部和膝盖的症状百分比略有上升趋势。性别分析也显示，女性报告的症状普遍性高于男性。

图3. 总样本和研究样本在过去12个月内疲劳、不适或疼痛的比较：(a) 整个样本；(b) 按性别；(c) 按年龄段。按年龄段分析也显示了样本之间的一致模式和趋势。在研究样本中，投诉最多的区域是颈部：55–64岁年龄段为100%，35–44岁年龄段为85.7%，45–54岁年龄段为83.3%；手腕/手部：45–54岁年龄段为100%，55–64岁年龄段为85.5%；腰部：55–64岁年龄段为100%，35–44岁年龄段为71.4%。总体而言，症状数据在所有年龄段之间保持了相同的趋势，老年年龄段的自我报告症状比例更高。

同样，也分析了过去7天内FDP症状的发生情况（图4）。总体而言，研究样本中操作员在过去7天内报告的症状与总样本相似，但比例略有上升。按性别和年龄段分析时，趋势保持一致。图4. 总样本和研究样本在过去7天内疲劳、不适或疼痛的比较：(a) 整个样本；(b) 按性别；(c) 按年龄段。此外，还分析了过去12个月内执行工作任务的限制情况（图5）。结果显示，总样本和研究样本之间的模式相当，除了颈部、肩膀和手腕/手部区域在研究样本中的比例较高。相比之下，上背部、下背部和膝盖的比例较低。值得注意的是，在过去12个月中，研究样本中没有记录到髋部/大腿的任务限制。按性别来看，所有身体区域都保持了相同的趋势，除了膝盖，男性中没有记录到任务限制。同样，研究样本中也未观察到膝盖的限制（与总样本的45–54岁年龄段相反），其余年龄段的分析也遵循了相同的模式和趋势。

最后，比较了研究样本和总样本中操作员报告的疼痛强度（图A2）。这项分析显示，所有身体部位的结果都相似，无论是按性别还是按年龄段划分。总体而言，结果揭示了脊柱和上肢解剖区域的中度和剧烈疼痛更为普遍。

3.2.2. 行业内部比较
在这项研究和参考文献[4]中，对抛光操作员的社会人口统计、人体测量学和肌肉骨骼症状数据进行了分析。本研究中的样本平均年龄略高，为43岁，而Alves等人[4]的样本平均年龄为40岁。本研究中的女性占比较高（70.4%），而参考文献[4]中男性占比较高（55%）。本研究中的样本比Alves等人[4]的样本稍老。关于行业/公司的工作年限，两项研究都表明，工作年限少于5年的工人比例较高，尽管参考文献[4]中这一比例更高（66.7%），而本研究为40.7%。

BMI分析显示，两个样本的平均值相似，本研究为25.5，参考文献[4]为25.6，表明有超重的倾向。Alves等人[4]的样本中极端肥胖病例更为普遍，尤其是在较年轻的年龄段，而本研究也在较年长的年龄段（老年和资深年龄段）发现了极端肥胖病例。关于与WRMSD相关的症状普遍性，两项研究都报告颈部、手腕/手部和腰部区域的FDP发病率较高，症状随年龄增长而增加，且女性中的投诉更为普遍。本研究还显示，肩膀和手腕的症状更为普遍，功能限制也更为严重。两项研究都指出脊柱和上肢是最受影响的区域。

总之，结果表明，两个样本在社会人口统计、人体测量学和症状特征方面存在一致性和相似性，这表明该行业部门内操作员的人体工程学和健康状况是一致的。观察到的细微差异，特别是在性别构成和特定症状发生率方面，可能反映了抽样和数据收集时期的差异，强调了持续评估的重要性，以更好地了解这些工业环境中的职业风险因素。

3.3. 为预防WRMSD进行的人体工程学风险评估
为了对操作员进行物理人体工程学分析以及评估发生工作相关肌肉骨骼疾病（WRMSD）的风险，使用了视频记录和基于人工智能算法的无传感器系统，该系统集成在移动应用程序中。这种新方法无需额外的物理传感器，因为考虑到无法中断生产过程、高昂的相关成本以及设备校准和调整所需的时间，认为使用传感器是不可行的[23,24]。

3.3.1. 人体工程学分析和WRMSD风险评估
使用上传了操作员记录的移动应用程序，并采用了REBA人体工程学评估方法，可以评估发生工作相关肌肉骨骼疾病（WRMSD）的风险水平（图6）。对于研究样本，发现中等风险的普遍性较高，为70.3%，其次是高风险26%，极高风险3.7%。研究样本全身WRMSD风险的示意图，按性别和年龄组别划分（YW：年轻工人，18-34岁；W：工人，35-44岁；OW：中年工人，45-54岁；SN：资深工人，55-64岁）。根据性别分析，结果显示出显著差异，女性面临的风险更高，尽管两性都有较高比例的中等风险，具体而言女性为63.2%，男性为87.5%。女性的高风险比例也更高（31.5%），而男性则较低（12.5%）。值得注意的是，只有女性中有5.3%的人处于非常高的风险中，这表明女性工人更容易患上WRMSD。关于年龄组别，不同年龄组在抛光任务中患WRMSD的风险存在差异。所有年龄组的主要风险都为中等风险：年轻工人组（18-34岁）为85.7%，中年工人组（35-44岁）为57.1%，中年工人组（45-54岁）为50%，资深工人组（55-64岁）也为85.7%。此外，18-34岁和55-64岁组的高风险比例均为14.3%。其中，35-44岁组的高风险比例最高，为28.6%，45-54岁组为50%。最危险的情况出现在35-44岁组，其中非常高的风险比例为14.3%。

在对抛光操作员患WRMSD的风险进行全面分析和评估后，使用REBA评分结果按解剖区域进行了分段评估（图7）。这种分层得益于TuMeke应用程序提供的详细报告，该报告不仅提供了总体REBA评分，还根据方法标准按身体部位分解了分析结果。这一功能有助于识别和解释每个身体部位的WRMSD风险水平，从而为有针对性的干预措施提供依据。图7显示了研究样本中按性别划分的身体部位WRMSD风险。颈部、躯干和腿部的风险较低，而前臂和手腕的风险则较低。值得注意的是，上臂的风险最高，属于中等风险。因此，总体而言，上臂的风险最高，其次是颈部和腿部。

比较操作员报告的症状（这些部位之前被确定为FDP最严重的区域）与按身体部位进行的人体工程学风险评估，只有上臂、颈部和躯干被确定为WRMSD的高风险区域。尽管手腕被报告为最不适的区域之一，但在人体工程学评估中并未被评定为高风险区域。

还进行了不同身体部位的风险分析和评估，并比较了性别之间的差异。总体而言，与整个研究样本相比，两性的风险百分比趋势相同，但颈部和腿部的风险仅为低风险（男性为100%）。值得注意的是，所有身体部位中，女性的风险百分比略高，表明女性比男性更容易患上WRMSD。

同样，也进行了不同年龄组的风险分析（图8）。虽然没有特定的风险模式与任何年龄组相关联，但趋势与整个研究样本一致。然而，上臂区域的风险最高（属于中等风险），尤其是在中年和资深年龄组。此外，除了颈部外，所有身体部位中，中年年龄组（45-54岁）的WRMSD风险最高。

3.3.2. 行业内部比较
再次使用REBA方法进行了人体工程学评估得出的WRMSD风险水平的比较分析，将本研究的数据与参考文献[4]的数据进行了对比。对于整个身体而言，两项研究都表明WRMSD的中等风险普遍较高，参考文献[4]显示的中等风险为88.3%，而本研究为70.3%。然而，在高风险和非常高风险方面，本研究分别为26%和3.7%，而Alves等人的研究[4]仅报告了15%的高风险，没有非常高风险的情况。

在按性别分层的分析中，两项研究都显示女性患WRMSD的风险更高。本研究中的女性有63.2%的中等风险，31.5%的高风险和5.3%的非常高风险，而男性有87.5%的中等风险和12.5%的高风险，没有非常高风险的情况。在参考文献[4]中，女性的中等风险为81.5%，男性为94%，女性的高风险为18.5%，男性仅为3%，这突显了女性的更高易感性。

按年龄组分层后，两项研究都显示所有年龄组中中等风险占主导地位，Alves等人的研究中的年轻工人（18-34岁）为100%，而本研究的样本中为85.7%。中年和老年年龄组的高风险比例最高，特别是在本研究中，45-54岁组的高风险达到了50%。非常高风险的比例在35-44岁组中为14.3%，在参考文献[4]的中年组（35-44岁）中为5%。

3.4. 相关性分析
Spearman等级相关系数是一种非参数度量方法，用于根据变量的排名而不是原始值来评估两个变量之间单调关系的强度和方向。与捕捉线性关联并对异常值和正态性假设敏感的Pearson相关性不同，Spearman系数在存在异常值时更为稳健，适用于非线性但单调的关系。其范围从-1（完全负单调关联）到+1（完全正单调关联），0表示没有单调关系[25,26]。

首先，对整个研究样本进行了Spearman相关性分析（补充材料S3），如图9所示。对于整个样本，年龄变量与性别变量之间存在强烈的负相关（0.01水平），表明随着年龄的增长，操作员更可能是女性。同样，年龄也与整体健康感知变量存在强烈的负相关（0.01水平），表明随着年龄的增长，自我健康评估趋于更负面。此外，年龄变量与工人报告的多种肌肉骨骼症状变量存在正相关（0.05水平），尤其是在颈部、前臂、手腕和躯干区域。这表明老年工人报告的FDP增加。最后，年龄变量与腿部的REBA评分存在负相关（0.05水平），表明老年操作员在腿部面临的肌肉骨骼风险较低。

关于性别变量，它与自我报告的健康感知变量存在强烈的正相关（0.01水平），表明男性工人倾向于更积极地评估自己的健康状况。相反，性别与腿部症状变量存在强烈的负相关（0.01水平），意味着男性工人较少报告腿部症状。婚姻状况变量与BMI存在正相关（0.05水平），表明BMI较高的人更可能处于较高级的婚姻状态，即非单身。此外，教育水平与前臂症状存在正相关（0.05水平），表明受教育程度较高的工人报告的前臂症状更多。

接下来分析了最终的社会人口统计变量，即在公司的工作年限与BMI存在正相关（0.05水平），表明在公司工作较久的工人往往BMI较高。同样，工作年限也与手腕的REBA评分存在正相关（0.05水平），表明工作年限较长的员工手腕出现肌肉骨骼疾病的风险较高。此外，工作年限与自我感知的健康状况存在负相关（0.05水平），表明年龄较大的操作员倾向于更负面地评估自己的健康状况。

然后分析了健康和生活方式变量。双手偏好变量与BMI存在强烈的正相关（0.01水平），表明双手灵巧的操作员往往BMI较高。体育锻炼变量与自我报告的健康感知存在强烈的正相关（0.01水平），表明从事体育活动的工人倾向于更积极地评估自己的整体健康状况。此外，体育锻炼与上臂、手腕和腿部的肌肉骨骼症状报告存在负相关（0.05水平），并与整个身体、上臂和手腕的REBA评分存在强烈的负相关（0.01水平），表明经常锻炼的工人在这些区域报告的症状较少，患工作相关肌肉骨骼疾病（WRMSD）的风险也较低。

睡眠习惯变量与自我感知的健康状况存在强烈的正相关（0.01水平），表明睡眠时间较长的操作员倾向于更积极地评估自己的健康状况。该变量还与手臂、躯干和手腕的症状报告存在负相关（0.05水平），表明睡眠时间较长的工人报告的这些区域的症状较少。自我报告的健康感知与颈部、手腕和躯干的肌肉骨骼症状存在强烈的负相关（0.01水平），表明健康感知较好的操作员在这些区域报告的症状较少。此外，健康感知与整个身体和前臂的REBA评分存在负相关（0.05水平），与前臂和手腕的REBA评分存在强烈的负相关（0.01水平），表明随着操作员对整体健康的积极评价，整个身体、上肢尤其是前臂和手腕的WRMSD风险较低。

考虑到操作员报告的肌肉骨骼症状，颈部症状与手腕和躯干症状之间存在强烈的正相关（0.01水平），这意味着报告颈部症状的人也倾向于报告手腕和躯干的症状。同样，上臂的症状与手腕的症状也存在正相关（0.05水平），表明有上臂症状的人也倾向于报告手腕的不适。此外，手腕症状与躯干症状之间存在强烈的正相关（0.01水平），同时与REBA手腕评分也存在正相关（0.05水平），这表明出现更多手腕症状的工人也倾向于报告躯干症状，并且患手腕区域肌肉骨骼疾病（WRMSDs）的风险更高。同样，躯干症状与腿部症状也存在强烈的正相关（0.01水平），说明报告躯干不适的工人也更可能报告腿部症状。最后，整个身体的REBA评分与上臂和下臂的REBA评分之间存在强烈的正相关（0.01水平），表明上臂患WRMSDs风险较高的工人整体上也面临更高的风险。此外，颈部和躯干的REBA评分之间也存在强烈的正相关（0.01水平），表明颈部肌肉骨骼风险较高的工人躯干的风险也较高。同样，上臂和下臂的REBA评分之间也存在强烈的正相关（0.01水平）。相反，手腕的REBA评分与腿部的REBA评分之间存在负相关（0.05水平），表明手腕患WRMSDs风险较高的工人腿部风险较低。

随后，按性别对样本进行了Spearman相关性分析（补充材料S4），如图10所示。仅在男性中观察到年龄和公司资历这两个社会人口统计变量之间存在强烈的正相关（0.01水平）。换句话说，年龄较大的男性在公司中的资历通常更长。同样仅限于男性群体，年龄与工人的健康感知呈负相关（0.05水平），表明年龄较大的男性工人往往对自己的健康评价更为消极。此外，在男性参与者中，年龄与颈部和手腕报告的肌肉骨骼症状之间存在强烈的正相关（0.01水平），表明年龄较大的男性更可能报告这些区域的不适。对于女性来说，年龄与BMI呈正相关（0.05水平），表明年龄较大的女性往往BMI较高。图10. 按性别划分的研究样本Spearman相关性分析。SD A—社会人口统计数据：年龄；SD MS—社会人口统计数据：婚姻状况；SD C—社会人口统计数据：16岁以下儿童；SD EQ—社会人口统计数据：教育程度；SD SC—社会人口统计数据：公司资历；HEA DH—健康、人体工程学与人体测量学：惯用手；HEA BMI—健康、人体工程学与人体测量学：体重指数（BMI）；HEA PE—健康、人体工程学与人体测量学：体育锻炼；HEA SH—健康、人体工程学与人体测量学：睡眠习惯；HEA HP—健康、人体工程学与人体测量学：健康感知；WRMSD N—WRMSD症状：颈部；WRMSD UA—WRMSD症状：上臂；WRMSD LA—WRMSD症状：下臂；WRMSD W—WRMSD症状：手腕；WRMSD T—WRMSD症状：躯干；WRMSD L—WRMSD症状：腿部；REBA TB—REBA与MSD风险：全身；REBA N—REBA与MSD风险：颈部；REBA UA—REBA与MSD风险：上臂；REBA LA—REBA与MSD风险：下臂；REBA W—REBA与MSD风险：手腕；REBA T—REBA与MSD风险：躯干；REBA L—REBA与MSD风险。对于女性，婚姻状况与报告的上臂症状呈负相关（0.05水平），表明单身女性报告的上臂问题更频繁。对于男性，教育程度与下臂的REBA评分呈正相关，表明教育程度较高的男性工人患下臂WRMSDs的风险更高。

关于与16岁以下儿童同住的情况，公司在公司资历较长的男性工人更有可能与年幼的儿童同住（正相关，0.05水平）。此外，对于男性来说，这一变量与健康感知呈负相关（0.05水平），表明与儿童同住的男性工人往往对自己的健康评价更为消极。在男性中，与16岁以下儿童同住与报告的手腕症状以及下臂和手腕的REBA评分也存在正相关（0.05水平），表明这些工人更可能报告手腕不适，并且在这些解剖区域患WRMSDs的风险增加。关于公司资历，女性工人仅表现出资历与BMI之间的正相关（0.05水平），表明资历较长的女性往往BMI较高。对于男性，公司资历与健康感知呈强烈的负相关（0.01水平），意味着服务年限较长的年长男性工人往往对自己的健康评价更为消极。此外，男性资历与颈部、手腕和躯干的FDP症状报告呈正相关（0.05水平）。关于手部偏好，相关性仅在男性工人中观察到。手部偏好与BMI呈强烈的正相关（0.01水平），表明双手灵巧的男性工人BMI较高。这些工人还表现出与锻炼和睡眠习惯的强烈负相关（0.01水平），表明双手灵巧的男性更经常锻炼且睡眠时间较长。然而，手部偏好与健康感知之间存在负相关（0.05水平），表明双手灵巧的工人往往对自己的健康评价更为消极。此外，手部偏好与上臂、下臂和手腕的REBA评分呈正相关（0.05水平），表明双手灵巧的男性在这些解剖区域面临更高的WRMSDs风险。

考虑到BMI，在男性中，BMI与锻炼和睡眠习惯之间存在强烈的负相关（0.01水平）。这表明BMI较高的男性工人不进行体育锻炼或睡眠时间较短，表明良好的健康习惯（包括体育活动和健康的睡眠习惯）与较低的BMI相关。对于男性，BMI与上臂的REBA评分也呈正相关（0.05水平），表明较高的BMI与该区域的肌肉骨骼疾病风险增加相关。相反，对于女性，BMI与颈部的肌肉骨骼风险呈正相关（0.05水平），表明BMI较高的女性在该区域患WRMSDs的风险更高。关于体育锻炼，这一变量与睡眠习惯在男性中呈强烈的正相关（0.01水平），表明进行体育锻炼的男性工人通常也有较长的睡眠时间。体育锻炼还与男性的健康感知呈正相关（0.05水平），意味着进行体育锻炼的男性更可能对自己的健康评价较为积极。对于女性，体育活动与上臂症状呈强烈的负相关（0.01水平），表明进行体育活动的女性工人报告的上臂问题较少。此外，对于女性，体育活动与整体REBA评分呈负相关（0.05水平），表明进行体育活动的女性工人面临的整体肌肉骨骼风险较低。对于男性，体育锻炼与上臂和下臂的REBA评分呈负相关（0.05水平），表明这些区域的WRMSD风险降低。男女双方都表现出体育锻炼与手腕REBA评分之间的负相关（0.05水平），表明进行体育锻炼的工人手腕的WRMSD风险较低。

关于睡眠习惯，这一变量与健康感知在男性中呈正相关（0.05水平），表明睡眠时间较长的人往往对自己的健康评价更为积极。对于女性，睡眠习惯与下臂症状呈负相关（0.05水平），表明睡眠时间较短的女性在该区域报告的症状更多。对于男性，睡眠习惯还与上臂的REBA评分呈负相关（0.05水平），表明睡眠时间较短的女性报告的症状更多。对于女性，体育活动与上臂、下臂和手腕的REBA评分呈负相关（0.05水平），表明进行体育活动的女性在这些区域的肌肉骨骼风险较低。关于健康感知，对自己健康评价较为积极的女性报告的颈部症状较少（强烈的负相关，0.01水平）。在男性中，健康感知与手腕症状和下臂的REBA评分呈负相关（0.05水平），表明健康感知较好的男性报告的手腕问题较少，且下臂的WRMSD风险较低。对于男女双方，健康感知与躯干症状呈强烈的负相关（0.01水平），并与手腕的REBA评分呈负相关（0.05水平），因此，对自己健康评价较为积极的工人报告的躯干症状较少，手腕的WRMSD风险也较低。

对于男性工人，报告的颈部症状与上臂和手腕的症状之间存在正相关（0.05水平），表明出现颈部问题的工人也报告了这些区域的症状。此外，手腕症状与躯干症状之间也存在正相关（0.05水平）。对于女性，颈部和躯干症状之间存在强烈的正相关（0.01水平），表明有颈部问题的女性也报告了躯干不适。对于女性，下臂和上臂症状之间以及躯干和腿部症状之间也存在正相关（0.05水平），表明这些投诉在女性工人中呈聚集性出现。最后，在评估肌肉骨骼风险时，女性群体的关联更为明显。整体REBA评分与上臂、下臂和躯干的REBA评分之间存在强烈的正相关（0.01水平），表明在这些区域患WRMSDs风险较高的女性工人整体上也面临更高的肌肉骨骼风险。在女性中，颈部和下臂的REBA评分之间也存在强烈的正相关（0.01水平），表明这些区域的综合风险较高。手腕和躯干的REBA评分之间也存在正相关（0.05水平），而手腕和腿部之间的REBA评分存在负相关（0.05水平），表明手腕肌肉骨骼风险较高的女性在躯干的风险也较高，但在腿部的风险较低。相比之下，男性仅表现出下臂和手腕REBA评分之间的强烈正相关（0.01水平），表明下臂风险较高的男性工人手腕的肌肉骨骼风险也较高。

作为分析的最后一步，按年龄组进行了Spearman相关性分析（补充材料S5），如图11所示。中年工人（35-44岁）的性别与公司资历之间存在正相关（0.05水平），表明这个年龄段的男性工人通常在公司中的资历较长。年轻工人（18-34岁）也显示出性别相关：性别与总体健康感知之间存在正相关（0.05水平），意味着年轻男性工人对自己的健康评价较好；性别与下臂肌肉骨骼风险之间存在完全负相关（0.01水平），表明这个年龄段的男性患下臂WRMSDs的风险最低。图11. 按年龄组划分的研究样本Spearman相关性分析。SD G—社会人口统计数据：性别；SD MS—社会人口统计数据：婚姻状况；SD C—社会人口统计数据：16岁以下儿童；SD EQ—社会人口统计数据：教育程度；SD SC—社会人口统计数据：公司资历；HEA DH—健康、人体工程学与人体测量学：惯用手；HEA BMI—健康、人体工程学与人体测量学：体重指数（BMI）；HEA PE—健康、人体工程学与人体测量学：体育锻炼；HEA SH—健康、人体工程学与人体测量学：睡眠习惯；HEA HP—健康、人体工程学与人体测量学：健康感知；WRMSD N—WRMSD症状：颈部；WRMSD UA—WRMSD症状：上臂；WRMSD LA—WRMSD症状：下臂；WRMSD W—WRMSD症状：手腕；WRMSD T—WRMSD症状：躯干；WRMSD L—WRMSD症状：腿部；REBA TB—REBA与MSD风险：全身；REBA N—REBA与MSD风险：颈部；REBA UA—REBA与MSD风险：上臂；REBA LA—REBA与MSD风险：下臂；REBA W—REBA与MSD风险：手腕；REBA T—REBA与MSD风险：躯干；REBA L—REBA与MSD风险。在年轻工人中，婚姻状况与躯干的REBA评分之间存在正相关（0.05水平），表明不再单身的年轻工人患躯干WRMSDs的风险较高。相比之下，老年组（45-54岁）的婚姻状况与健康感知之间存在强烈的正相关（0.01水平），表明这个年龄段的已婚或长期同居的工人对自己的健康评价更为积极。此外，这些工人在婚姻状况与上臂和手腕报告的症状之间表现出完全负相关（0.01水平），这意味着非单身的年长操作员在这些区域报告症状的可能性较低。他们还显示出与16岁以下儿童同住与BMI之间的负相关（0.05水平），表明家中没有年幼孩子的年长操作员往往具有较低的BMI水平。考虑到公司资历，资历较深的操作员（55-64岁）在任职年限与BMI之间表现出正相关（0.05水平），表明服务时间较长的资深操作员往往具有较高的BMI水平。中年操作员在资历与腿部报告的症状之间表现出负相关（0.05水平），表明这一组中资历较深的员工往往报告较少的腿部问题，如FDP（腕关节疼痛）。这些操作员在资历与躯干REBA评分之间也表现出负相关（0.05水平），表明资历较深的中年操作员在该区域的肌肉骨骼风险较低。相反，年轻工人则在资历与躯干REBA评分之间表现出强正相关（0.01水平），意味着服务时间相对较长的年轻员工面临更高的躯干肌肉骨骼风险。

关于手部偏好，只有中年组显示出相关性，即手部偏好与BMI之间的正相关（0.05水平）。这表明使用双手进行工作的操作员往往具有较高的BMI。同时，资深组在BMI与前臂REBA评分之间表现出正相关（0.05水平），意味着BMI较高的资深操作员在前臂面临更高的肌肉骨骼风险。在年轻工人中，体育锻炼与健康感知呈正相关（0.05水平），表明参与体育活动的年轻员工更可能对自己的健康持积极评价。这一组还显示出体育锻炼与前臂症状之间的完全负相关（0.01水平），意味着锻炼的年轻操作员没有报告前臂症状。同样，对于年长操作员，体育锻炼与报告的上臂症状之间也表现出完全负相关（0.01水平），表明进行体育活动的这一年龄段的工人没有报告上臂症状。

在睡眠习惯方面，年轻操作员在睡眠习惯与全身、上臂和手腕的REBA评分之间表现出负相关（0.05水平）。这表明睡眠习惯较好的年轻工人，即睡眠时间较长的工人，面临较低的总体肌肉骨骼风险以及上臂和手腕的风险较低。同样的模式在中年组更为明显，睡眠习惯与手腕REBA评分之间表现出完全负相关（0.01水平），表明睡眠时间较长的中年工人手腕的肌肉骨骼风险较低。对于整体健康感知，年长操作员在颈部和躯干报告的症状与自身健康评估之间表现出完全负相关（0.01水平），表明对自己健康评价较高的老年工人没有报告这些区域的症状。年轻操作员在健康感知与手腕、躯干和腿部症状之间也表现出负相关（0.05水平），表明自我健康评价较高的年轻工人在这些区域的投诉较少。此外，这一组在健康感知与前臂REBA评分之间表现出负相关（0.05水平），意味着自我健康评价较高的年轻操作员在前臂的肌肉骨骼风险也较低。中年操作员在健康感知与前臂REBA评分之间表现出负相关（0.05水平），表明健康评价较高的中年操作员在前臂的肌肉骨骼风险较低。

关于FDP（腕关节疼痛）的症状，年轻和中年组（18-44岁）在颈部和上臂的症状之间表现出完全正相关（0.01水平），表明这些身体区域的症状存在聚集现象。年长组也表现出类似的完全正相关（0.01水平），即报告的颈部和躯干症状之间存在正相关。最后，对于极端年龄组，即年轻和资深工人，全身肌肉骨骼风险与上臂的REBA评分呈正相关（0.05水平），表明上臂风险较高的工人也倾向于具有较高的全身肌肉骨骼风险。此外，在年轻工人中，全身肌肉骨骼风险与躯干的REBA评分呈正相关（0.05水平），表明躯干有肌肉骨骼风险的年轻操作员也倾向于具有全身风险。中年操作员在上臂和前臂的REBA评分之间表现出强正相关（0.05水平），意味着上臂肌肉骨骼风险较高的中年操作员也倾向于具有全身风险。相反，资深组在前臂和手腕的REBA评分之间表现出负相关（0.05水平），表明手腕有WRMSD（职业性肌肉骨骼疾病）风险的老年操作员在腿部面临的风险较低。

为了更好地理解社会人口统计因素、生活方式和健康变量与抛光操作员的肌肉骨骼症状及人体工程学风险之间的关联复杂性，对当前研究和Alves等人的研究[4]进行了比较Spearman相关性分析。两个样本都显示，操作员的健康感知、报告的肌肉骨骼症状以及使用REBA方法评估的人体工程学风险指数之间存在强相关性。总体而言，两项研究都表明，更负面的健康自我评估与FDP的较高发病率相关，同时伴随着发展WRMSD的风险指数增加。然而，每个样本都显示出特定的模式。在本研究中，年龄与报告症状之间的关联更为明显，老年工人不仅倾向于报告较差的健康状况，还表现出更多的症状和不同身体区域更高的风险暴露。公司内的资历与BMI和特定区域的肌肉骨骼风险相关，特别是在手腕，这表明长期任务暴露对人体工程学负担的累积效应。相比之下，参考文献[4]报告称，最强的相关性涉及经验更丰富的操作员，即那些在公司服务时间较长的工人，他们倾向于对自己的健康持负面评价，并且全身的人体工程学风险增加，特别是上肢。这一发现强调了健康感知作为职业风险间接指标的作用，并突出了其在识别劳动力中更脆弱亚群方面的潜在效用。

两项研究中的性别特定分析都显示，女性在风险和症状发病率方面存在一致的模式，即人体工程学暴露与报告的肌肉骨骼投诉之间存在正相关。相反，男性操作员报告症状的倾向较低，并且与较低的人体工程学风险指数相关，反映了更积极的健康感知与肌肉骨骼症状存在之间的负相关。按年龄组分层后，研究发现年轻工人倾向于低估症状和人体工程学风险。在某些情况下，这表现为更好的健康感知与较高的人体工程学暴露之间的正相关，反映了风险意识的局限性。然而，在中年和老年操作员中，相关性更为一致：较差的健康评估与更多的症状报告和更高的人体工程学风险相关。这支持了职业成熟度与对工作场所风险严重性更清晰感知之间的联系。

总之，研究结果强调了多维度检查工人的重要性，整合了社会人口统计特征、健康感知和详细的人体工程学评估。观察到的相关性强调了需要预防和监测策略，特别是针对因年龄、性别或暴露时间较长而更脆弱的群体。这种方法可能有助于更深入地理解体力要求和重复性工作环境中的风险机制。

本研究专门针对金属抛光操作员，使用NMQ（肌肉骨骼评估工具）发现颈部（82.9%）、肩部（70.8%）和下背部（68.3%）区域的症状发病率较高。此外，利用计算机视觉-AI技术，识别出中等到高的REBA风险，这与关于重复性工业任务的最新文献一致，同时也揭示了一些特定特征。通过Spearman相关性分析，确定了抛光操作员中发展WRMSD的关键风险群组，这些风险受到性别和年龄组的影响。例如，年龄与脊柱和手腕区域的症状发生率较高有关，工人报告的健康感知较差。可以说，女性在脊柱和上肢的肌肉骨骼疾病风险方面更为脆弱，而男性的风险则因在公司中的资历较长和与儿童同住而加剧。此外，年轻操作员由于在公司中的资历较长而面临较高风险，而老年工人则由于BMI较高和多个区域的症状而面临更高风险。重要的是要强调，体育锻炼和充足的睡眠是跨领域的保护因素，即对所有工人来说，可以减少上肢和全身REBA风险。这强化了需要针对性别和年龄制定优先干预措施的必要性，即强制培训、任务轮换和针对老年操作员的人体工程学调整。

与铁铸造行业的比较显示，症状影响整个脊柱区域，并与不良姿势和心理社会压力相关[5]，这支持了我们关于颈部-躯干-手腕症状的发现，尽管手腕受到的影响更大（65.9%）。在葡萄牙的一个针制造业中，54%的投诉出现在胸部区域，42%出现在颈部区域，39%出现在肩部区域，女性和老年工人的发病率更高[7]，这反映了我们关于性别和年龄相关性的发现，从而验证了国家制造业的人口统计脆弱性。另一个来自金属加工行业的例子显示，由于静态姿势，主要症状出现在脊柱和上肢[8]，这加强了颈部-肩部-手腕症状与躯干肌肉骨骼疾病REBA风险之间的相关性。然而，我们的研究采用了这种新的基于AI的计算机视觉方法，测量了动态风险，从而克服了手动观察的局限性。最后，涉及瓷器的手工工作也显示了多个解剖区域的模式，包括上身、脊柱和肘部，具有中等到高的REBA风险[6]，这些结果与本研究的结果一致。尽管如此，我们工作的一个关键发现是，体育锻炼可能作为预防WRMSD风险的保护因素，这与工业5.0的职业健康和操作员福祉策略一致。因此，这项工作验证了使用NMQ和AI计算视觉进行人体工程学评估的新方法和方法论的有效性，特别是对于性别和年龄特定的群体，需要个性化的干预措施，例如对老年工人进行强制培训、任务轮换和人体工程学调整。

在真实工业环境中进行的案例研究存在一些固有的局限性，即样本量相对较小（41名抛光操作员），特别是在人体工程学层面进行评估的27名操作员，这可能限制了研究的统计效力。因此，需要指出，尽管样本量相对于WRMSD的更大规模研究来说较小，但样本反映了该工业部门抛光部门的实际合格工人数量，因此结果应被视为探索性和特定于情境的。然而，这些结果可以在社会人口统计特征和肌肉骨骼症状方面推广到整个研究劳动力。虽然不能100%确定操作员采用的姿势代表整个行业，但研究之间的比较结果确认了高人体工程学风险。这可能表明所观察到的相关性可以推广到抛光操作员。然而，还应注意的是，按年龄和性别分层导致某些子组的样本量减少，限制了这些特定比较的统计效力。鉴于按年龄和性别分层的子组规模较小，相关性分析可能会出现假阳性结果的风险增加，因此应谨慎解释并具有探索性目的。然而，这是由于需要保持与先前研究的方法论策略一致，并允许对所研究的人体工程学评估方法的稳健性和可靠性进行比较和验证。因此，这些发现应被视为探索性的，并表明了该劳动群体中的特定脆弱性。另一个挑战与使用TuMeke应用程序有关，这是一个基于人工智能的人体工程学评估系统，其计算模型和详细信息并不完全透明，限制了结果的独立验证。此外，姿势评估主要基于图像，可能无法完全捕捉重复工作中的动态因素，如累积的肌肉疲劳和个体对伤害的易感性差异，从而限制了对风险的全面解释。另外，拍摄过程中观察者效应的潜在影响可能改变了操作员的自然行为，尽管有计划的适应期。关于操作员报告的症状以及他们所面临的肌肉骨骼风险，在某些身体区域，报告的肌肉骨骼症状与评估的人体工程学风险之间存在小差异，这表明结合使用多种方法或应用额外工具将有助于更好地捕捉人体工程学影响的复杂性。未来的工作应重点将这种评估方法应用于其他工业环境，确保人体工程学评估的代表性和稳健性。建议整合补充方法，如传感器和肌电图，以直接测量肌肉活动并分析任务重复率。未来的研究应采用纵向测试-重测设计并分析效应大小，以进一步巩固这种方法的可靠性，并更好地理解风险指标的时间稳定性。此外，必须计算正式的统计可靠性指标，如组内相关系数（ICCs）和Cronbach’s alpha，以便从当前的重复方法验证过渡到对评估框架的全面心理测量学验证。进一步提出的研究包括探索辅助技术干预措施，如外骨骼，以及旨在积极应对老龄化问题并促进可持续职业健康的管理策略。

6. 结论

本研究验证并复制了参考文献[3,4]在中应用的人体工程学评估方法，以及金属加工行业中操作员肌肉骨骼症状的普遍性，重点关注抛光豪华金属零件的任务。数据证实了该方法的稳健性和适用性，显示出从中等到高人体工程学风险的一致模式，尤其是在上肢和脊柱区域，以及操作员报告的肌肉骨骼症状的高发率，主要发生在颈部、肩部和手腕。性别和年龄组之间的差异突显了女性和经验更丰富的工人（即在公司工作年限较长的工人）的更大脆弱性，强调了需要针对这些变量进行有针对性的人体工程学干预。此外，健康习惯、体育活动实践、总体健康感知与肌肉骨骼风险和症状之间的相关性表明，综合预防和职业管理策略（包括在工作场所促进健康和福祉）对于缓解肌肉骨骼疾病至关重要。基于人工智能的创新工具被证明对于动态和非侵入性评估是有效的，可以在不干扰生产过程的情况下捕捉人体工程学风险。最后，尽管样本规模和所研究的工业环境的特殊性是限制因素，但这项工作证明了该方法的有效性和可重复性。因此，未来的研究将指向其他行业和环境，可能应用补充方法，以更好地理解和预防相关风险。因此，这项工作为工业人体工程学领域的改进和创新做出了贡献，强调了采用多维度方法来促进更安全、包容和可持续的工作环境的重要性，以应对积极老龄化劳动力的挑战。

补充材料

以下支持信息可以在以下链接下载：https://www.mdpi.com/article/10.3390/eng7050204/s1
- 补充材料S1—研究问卷（葡萄牙语版本）；
- 补充材料S2—正态性检验：Shapiro-Wilk；
- 补充材料S3—整个研究样本的Spearman相关性；
- 补充材料S4—按性别划分的研究样本的Spearman相关性；
- 补充材料S5—按年龄组划分的研究样本的Spearman相关性。