정적 부하 작업에서 EMG 모델과 세가지 최적화 모델을 이용한 척추 부하 평가

송영웅; 정민근

추천

검색

자료유형: 학술저널

저자정보: 송영웅 (대구가톨릭대학교 산업보건학과) 정민근 (포항공과대학교 산업공학과)

저널정보: 한국산업보건학회 (구 한국산업위생학회) 한국산업보건학회지 한국산업보건학회지 제15권 제1호

발행연도: 2005.1

수록면: 61 - 70 (10page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

This study investigated the spinal loads(L5/S1 disc compression and shear forces) predicted from four biomechanical models: one EMG model and three optimization models. Three objective functions used in the optimization models were to miminize 1) the cubed muscle forces : MF3, 2) the cubed muscle stress : MS3, 3) maximum muscle intensity : MI. Twelve healthy male subjects participated in the isometric voluntary exertion tests to six directions : flexion/extension, left/right lateral bending, clockwise/ counterclockwise twist. EMG signals were measured from ten trunk muscles and spinal loads were assessed at 10, 20, 30, 40, 50, 60, 70, 80, 90%MVE(maximum voluntary exertion) in each direction. Three optimization models predicted lower L5/S1 disc compression forces than the EMG model, on average, by 31%(MF3), 27%(MS3), 8%(MI). Especially, in twist and extension, the differences were relatively large. Anterior-posterior shear forces predicted from optimization models were lower, on average, by 27%(MF3), 21%(MS3), 9%(MI) than by the EMG model, especially in flexion(MF3 : 45%, MS3 : 40%, MI : 35%). Lateral shear forces were predicted far less than anterior-posterior shear forces(total average = 124 N), and the optimization models predicted larger values than the EMG model on average. These results indicated that the optimization models could underestimate compression forces during twisting and extension, and anterior-posterior shear forces during flexion. Thus, future research should address the antagonistic coactivation, one major reason of the difference between optimization models and the EMG model, in the optimization models.

#Low back pain #spinal load #disc compression force #disc shear force #EMG model #optimization model

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

송영웅

소속기관 대구가톨릭대학교 산업보건학과

주요연구분야 의약학 > 기초의학 > 예방의학·직업환경의학

논문수 3 이용수 4

정민근

소속기관 포항공과대학교 산업공학과

주요연구분야 의약학 > 기초의학 > 예방의학·직업환경의학

논문수 1 이용수 2

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)