Clasificación de riesgos en el manejo y transporte de cargas para la prevención de los problemas osteomusculares en los trabajadores de exportadora de cacao Verapaz.
Tesis
Materias > Biomedicina
Materias > Ingeniería
Universidad Europea del Atlántico > Docencia > Trabajos finales de Máster
Universidad Internacional Iberoamericana México > Docencia > Trabajos finales de Máster
Cerrado
Español
En la investigación cientifica sobre la Clasificación de riesgos en el manejo y transporte de cargas para la prevención de los problemas osteomusculares en los trabajadores de exportadora de cacao Verapaz, un tema relacionado al trabajo que realizan hombre y mujeres en la comercialización del cacao de cuatro comunidades del departamento de Alta Verapaz.La exportadora de Cacao Verapaz es la organización que dirige la producción y comercialización del cacao en Alta Verapaz, Guatemala. El objetivo general de la investigación es desarrollar un programa para la clasificación de riesgos en el manejo y transporte de cargas para la aplicación de procedimientos técnicos y operativos que eviten la aparición de problemas osteomusculares en los trabajadores de la exportadora de cacao Verapaz, dándole enfoque preventivo y para buscar oportunidades de mejora en el área de la prevencion de riesgos, por lo que se toman los objetivos específicos de: Identificar las tareas que tienen riesgo extremadamente alto, alto y moderado en el manejo de cargas para los trabajadores, así como clasificar el nivel de riesgo en el manejo de cargas, para posteriormente desarrollar un programa para el control de riesgos de trabajadores clasificados en el nivel de riesgo extremadamente alto, alto y moderado y al mismo tiempo proponer medidas de prevención, sustitución y eliminación de riesgos que implican desarrollar problemas osteomusculares. Para dicha investigación se utiliza una metodología cuantitativa con un diseño de Investigación Descriptivo. Se tiene un universo de 930 trabajadores de sexo masculino y femenino de las regiones de Cahabón, La Chúa, San Juan Chivite, y la finca Chimelb todos de Alta Verapaz y se toma una muestra por conveniencia no probabilística de 25 trabajadores, con los criterio de inclusión a) sexo masculino, b) edad de 18 a 40 años, c) trabajadores de selección manual del cacao d) trabajador encargado del volteo del cacao en caja de fermentación d) trabajadores encargados de transporte del cacao hacia el secado en el sol e) trabajadores que trasportan y apilan la carga en bodega de forma manual se aplican criterios de exclusión tales como a) trabajadores vacacionistas. b) trabajadores que no tienen horario de trabajo establecido c) trabajadores con menos de un año de trabajo en manejo de cargas d) trabajadores que trasportan las cargas en grupos e) trabajadores que refieran enfermedades preexistentes. Para la realización de la investigación se utiliza como técnica de recolección de datos la herramienta de inspección MAC (Manual Handling Assessment Charts) desarrollada por la Dirección de Salud y Seguridad en Inglaterra. Health and Safety Executive, UK. (2003). Técnica que utiliza una escala cuantitativa para medir el riesgo y un código de colores para calificar cada factor. La inspección se realiza a trabajadores que realizan las tareas de levantamiento, descenso y transporte individual de la carga, durante un periodo de ocho horas por una semana, identificando factores ambientales.Los resultados más importantes que se tienen son primer resultado manejo, descenso y trasporte de cargas con un peso superior al establecido en Acuerdo Gubernativo 29-2014 de Guatemala, un segundo resultado importante es una mala distancia entre los brazos y el cuerpo al levantar, defender y transportar la carga, otro resultado importante es un mal acoplamiento mano objeto debido a una mala técnica y a herramientas que no poseen una forma adecuada de sujeción, así mismo el transporte de la carga de forma manual y con peso superior al establecido coloca este tarea como un riesgo extremadamente alto al subir el peso por sobre la cabeza y transportarlo a una distancia superior a diez metros. Como oportunidad de mejora inmediata se plantea un programa de prevención con principios de Biomecánica, mecanización del peso permitido, selección/uso adecuado de las herramientas manuales y el análisis para la mitigación de los riesgos no tolerados por medio de medidas administrativa y organización de tareas en el trabajo. La estrategia a utilizar es el entrenamiento a los trabajadores en un periodo de seis meses y posteriormente evaluar las tareas con reducción de riesgos por medio de los indicadores:•Reducción del peso de la carga mínimo a 45 kilogramos para hombres mayores de 22 años en adelante.•80 % de trabajadores no inclinan la espalda y mantiene una postura ergonómica correcta.•100 % de trabajadores colocan los brazo pegados al cuerpo para hacer la fuerza física.•El 100% de los trabajadores que recolectan cacao hacen giros no mayores a 30 grados, evitando lateralización de tronco.•El 100 % de los trabajadores aplica la técnica correcta para el manejo de la carga.
metadata
Sintuj Cetino, Beatriz
mail
beatrizsintuj19@gmail.com
(2022)
Clasificación de riesgos en el manejo y transporte de cargas para la prevención de los problemas osteomusculares en los trabajadores de exportadora de cacao Verapaz.
Masters thesis, Universidad Europea del Atlántico.
Resumen
En la investigación cientifica sobre la Clasificación de riesgos en el manejo y transporte de cargas para la prevención de los problemas osteomusculares en los trabajadores de exportadora de cacao Verapaz, un tema relacionado al trabajo que realizan hombre y mujeres en la comercialización del cacao de cuatro comunidades del departamento de Alta Verapaz.La exportadora de Cacao Verapaz es la organización que dirige la producción y comercialización del cacao en Alta Verapaz, Guatemala. El objetivo general de la investigación es desarrollar un programa para la clasificación de riesgos en el manejo y transporte de cargas para la aplicación de procedimientos técnicos y operativos que eviten la aparición de problemas osteomusculares en los trabajadores de la exportadora de cacao Verapaz, dándole enfoque preventivo y para buscar oportunidades de mejora en el área de la prevencion de riesgos, por lo que se toman los objetivos específicos de: Identificar las tareas que tienen riesgo extremadamente alto, alto y moderado en el manejo de cargas para los trabajadores, así como clasificar el nivel de riesgo en el manejo de cargas, para posteriormente desarrollar un programa para el control de riesgos de trabajadores clasificados en el nivel de riesgo extremadamente alto, alto y moderado y al mismo tiempo proponer medidas de prevención, sustitución y eliminación de riesgos que implican desarrollar problemas osteomusculares. Para dicha investigación se utiliza una metodología cuantitativa con un diseño de Investigación Descriptivo. Se tiene un universo de 930 trabajadores de sexo masculino y femenino de las regiones de Cahabón, La Chúa, San Juan Chivite, y la finca Chimelb todos de Alta Verapaz y se toma una muestra por conveniencia no probabilística de 25 trabajadores, con los criterio de inclusión a) sexo masculino, b) edad de 18 a 40 años, c) trabajadores de selección manual del cacao d) trabajador encargado del volteo del cacao en caja de fermentación d) trabajadores encargados de transporte del cacao hacia el secado en el sol e) trabajadores que trasportan y apilan la carga en bodega de forma manual se aplican criterios de exclusión tales como a) trabajadores vacacionistas. b) trabajadores que no tienen horario de trabajo establecido c) trabajadores con menos de un año de trabajo en manejo de cargas d) trabajadores que trasportan las cargas en grupos e) trabajadores que refieran enfermedades preexistentes. Para la realización de la investigación se utiliza como técnica de recolección de datos la herramienta de inspección MAC (Manual Handling Assessment Charts) desarrollada por la Dirección de Salud y Seguridad en Inglaterra. Health and Safety Executive, UK. (2003). Técnica que utiliza una escala cuantitativa para medir el riesgo y un código de colores para calificar cada factor. La inspección se realiza a trabajadores que realizan las tareas de levantamiento, descenso y transporte individual de la carga, durante un periodo de ocho horas por una semana, identificando factores ambientales.Los resultados más importantes que se tienen son primer resultado manejo, descenso y trasporte de cargas con un peso superior al establecido en Acuerdo Gubernativo 29-2014 de Guatemala, un segundo resultado importante es una mala distancia entre los brazos y el cuerpo al levantar, defender y transportar la carga, otro resultado importante es un mal acoplamiento mano objeto debido a una mala técnica y a herramientas que no poseen una forma adecuada de sujeción, así mismo el transporte de la carga de forma manual y con peso superior al establecido coloca este tarea como un riesgo extremadamente alto al subir el peso por sobre la cabeza y transportarlo a una distancia superior a diez metros. Como oportunidad de mejora inmediata se plantea un programa de prevención con principios de Biomecánica, mecanización del peso permitido, selección/uso adecuado de las herramientas manuales y el análisis para la mitigación de los riesgos no tolerados por medio de medidas administrativa y organización de tareas en el trabajo. La estrategia a utilizar es el entrenamiento a los trabajadores en un periodo de seis meses y posteriormente evaluar las tareas con reducción de riesgos por medio de los indicadores:•Reducción del peso de la carga mínimo a 45 kilogramos para hombres mayores de 22 años en adelante.•80 % de trabajadores no inclinan la espalda y mantiene una postura ergonómica correcta.•100 % de trabajadores colocan los brazo pegados al cuerpo para hacer la fuerza física.•El 100% de los trabajadores que recolectan cacao hacen giros no mayores a 30 grados, evitando lateralización de tronco.•El 100 % de los trabajadores aplica la técnica correcta para el manejo de la carga.
| Tipo de Documento: | Tesis (Masters) |
|---|---|
| Palabras Clave: | Manejo de cargas, Evaluación de riesgos por gráficos, Nivel de riesgos, Problemas osteomusculares, Biomecánica. |
| Clasificación temática: | Materias > Biomedicina Materias > Ingeniería |
| Divisiones: | Universidad Europea del Atlántico > Docencia > Trabajos finales de Máster Universidad Internacional Iberoamericana México > Docencia > Trabajos finales de Máster |
| Depositado: | 31 Oct 2023 23:30 |
| Ultima Modificación: | 31 Oct 2023 23:30 |
| URI: | https://repositorio.unini.edu.mx/id/eprint/1511 |
Acciones (logins necesarios)
 |
Ver Objeto |
<a class="ep_document_link" href="/17849/1/1-s2.0-S2590005625001043-main.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Ultra Wideband radar-based gait analysis for gender classification using artificial intelligence
Gender classification plays a vital role in various applications, particularly in security and healthcare. While several biometric methods such as facial recognition, voice analysis, activity monitoring, and gait recognition are commonly used, their accuracy and reliability often suffer due to challenges like body part occlusion, high computational costs, and recognition errors. This study investigates gender classification using gait data captured by Ultra-Wideband radar, offering a non-intrusive and occlusion-resilient alternative to traditional biometric methods. A dataset comprising 163 participants was collected, and the radar signals underwent preprocessing, including clutter suppression and peak detection, to isolate meaningful gait cycles. Spectral features extracted from these cycles were transformed using a novel integration of Feedforward Artificial Neural Networks and Random Forests , enhancing discriminative power. Among the models evaluated, the Random Forest classifier demonstrated superior performance, achieving 94.68% accuracy and a cross-validation score of 0.93. The study highlights the effectiveness of Ultra-wideband radar and the proposed transformation framework in advancing robust gender classification.
Adil Ali Saleem mail , Hafeez Ur Rehman Siddiqui mail , Muhammad Amjad Raza mail , Sandra Dudley mail , Julio César Martínez Espinosa mail ulio.martinez@unini.edu.mx, Luis Alonso Dzul López mail luis.dzul@uneatlantico.es, Isabel de la Torre Díez mail ,
Saleem
<a href="/17844/1/frai-1-1572645.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
A systematic review of deep learning methods for community detection in social networks
Introduction: The rapid expansion of generated data through social networks has introduced significant challenges, which underscores the need for advanced methods to analyze and interpret these complex systems. Deep learning has emerged as an effective approach, offering robust capabilities to process large datasets, and uncover intricate relationships and patterns. Methods: In this systematic literature review, we explore research conducted over the past decade, focusing on the use of deep learning techniques for community detection in social networks. A total of 19 studies were carefully selected from reputable databases, including the ACM Library, Springer Link, Scopus, Science Direct, and IEEE Xplore. This review investigates the employed methodologies, evaluates their effectiveness, and discusses the challenges identified in these works. Results: Our review shows that models like graph neural networks (GNNs), autoencoders, and convolutional neural networks (CNNs) are some of the most commonly used approaches for community detection. It also examines the variety of social networks, datasets, evaluation metrics, and employed frameworks in these studies. Discussion: However, the analysis highlights several challenges, such as scalability, understanding how the models work (interpretability), and the need for solutions that can adapt to different types of networks. These issues stand out as important areas that need further attention and deeper research. This review provides meaningful insights for researchers working in social network analysis. It offers a detailed summary of recent developments, showcases the most impactful deep learning methods, and identifies key challenges that remain to be explored.
Mohamed El-Moussaoui mail , Mohamed Hanine mail , Ali Kartit mail , Mónica Gracia Villar mail monica.gracia@uneatlantico.es, Helena Garay mail helena.garay@uneatlantico.es, Isabel de la Torre Díez mail ,
El-Moussaoui
<a class="ep_document_link" href="/17831/1/s43856-025-01020-4.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Association between blood cortisol levels and numerical rating scale in prehospital pain assessment
Background Nowadays, there is no correlation between levels of cortisol and pain in the prehospital setting. The aim of this work was to determine the ability of prehospital cortisol levels to correlate to pain. Cortisol levels were compared with those of the numerical rating scale (NRS). Methods This is a prospective observational study looking at adult patients with acute disease managed by Emergency Medical Services (EMS) and transferred to the emergency department of two tertiary care hospitals. Epidemiological variables, vital signs, and prehospital blood analysis data were collected. A total of 1516 patients were included, the median age was 67 years (IQR: 51–79; range: 18–103) with 42.7% of females. The primary outcome was pain evaluation by NRS, which was categorized as pain-free (0 points), mild (1–3), moderate (4–6), or severe (≥7). Analysis of variance, correlation, and classification capacity in the form area under the curve of the receiver operating characteristic (AUC) curve were used to prospectively evaluate the association of cortisol with NRS. Results The median NRS and cortisol level are 1 point (IQR: 0–4) and 282 nmol/L (IQR: 143–433). There are 584 pain-free patients (38.5%), 525 mild (34.6%), 244 moderate (16.1%), and 163 severe pain (10.8%). Cortisol levels in each NRS category result in p < 0.001. The correlation coefficient between the cortisol level and NRS is 0.87 (p < 0.001). The AUC of cortisol to classify patients into each NRS category is 0.882 (95% CI: 0.853–0.910), 0.496 (95% CI: 0.446–0.545), 0.837 (95% CI: 0.803–0.872), and 0.981 (95% CI: 0.970–0.991) for the pain-free, mild, moderate, and severe categories, respectively. Conclusions Cortisol levels show similar pain evaluation as NRS, with high-correlation for NRS pain categories, except for mild-pain. Therefore, cortisol evaluation via the EMS could provide information regarding pain status.
Raúl López-Izquierdo mail , Elisa A. Ingelmo-Astorga mail , Carlos del Pozo Vegas mail , Santos Gracia Villar mail santos.gracia@uneatlantico.es, Luis Alonso Dzul López mail luis.dzul@uneatlantico.es, Silvia Aparicio Obregón mail silvia.aparicio@uneatlantico.es, Rubén Calderón Iglesias mail ruben.calderon@uneatlantico.es, Ancor Sanz-García mail , Francisco Martín-Rodríguez mail ,
López-Izquierdo
<a href="/17838/1/s41598-025-02008-9.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Botnet detection in internet of things using stacked ensemble learning model
Botnets are used for malicious activities such as cyber-attacks, spamming, and data theft and have become a significant threat to cyber security. Despite existing approaches for cyber attack detection, botnets prove to be a particularly difficult problem that calls for more advanced detection methods. In this research, a stacking classifier is proposed based on K-nearest neighbor, support vector machine, decision tree, random forest, and multilayer perceptron, called KSDRM, for botnet detection. Logistic regression acts as the meta-learner to combine the predictions from the base classifiers into the final prediction with the aim of increasing the overall accuracy and predictive performance of the ensemble. The UNSW-NB15 dataset is used to train machine learning models and evaluate their effectiveness in detecting cyber-attacks on IoT networks. The categorical features are transformed into numerical values using label encoding. Machine learning techniques are adopted to recognize botnet attacks to enhance cyber security measures. The KSDRM model successfully captures the complex patterns and traits of botnet attacks and obtains 99.99% training accuracy. The KSDRM model also performs well during testing by achieving an accuracy of 97.94%. Based on 3, 5, 7, and 10 folds, the k-fold cross-validation results show that the proposed method’s average accuracy is 99.89%, 99.88%, 99.89%, and 99.87%, respectively. Further, the demonstration of experiments and results shows the KSDRM model is an effective method to identify botnet-based cyber attacks. The findings of this study have the potential to improve cyber security controls and strengthen networks against changing threats.
Mudasir Ali mail , Muhammad Faheem Mushtaq mail , Urooj Akram mail , Daniel Gavilanes Aray mail daniel.gavilanes@uneatlantico.es, Manuel Masías Vergara mail manuel.masias@uneatlantico.es, Hanen Karamti mail , Imran Ashraf mail ,
Ali
<a class="ep_document_link" href="/17840/1/biomedicines-13-01797.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
In the original publication [1], there was a mistake in Table 1 as published. In Table 1, the row labelled “Dose 1” appears twice; once at the top and once again at the bottom (after Dose 7). This repeated entry was unintentional and should be removed. The correct table should end at Dose 7, and the repeated Dose 1 row at the bottom is redundant and may cause confusion. The corrected Table 1 appears below. The authors state that the scientific conclusions are unaffected. This correction was approved by the Academic Editor. The original publication has also been updated.
Malaz Yousef mail , Jaime A. Yáñez mail jaime.yanez@unini.edu.mx, Raimar Löbenberg mail , Neal M. Davies mail ,
Yousef