Modelo semiautomatizado para la identificación del nivel de riesgo biomecánico aplicando tecnologías 4.0
Resumen
En respuesta a la alta prevalencia de trastornos musculoesqueléticos derivados de tareas repetitivas, este estudio presenta el desarrollo de un modelo semiautomatizado para evaluar el riesgo biomecánico en miembros superiores, aplicando la metodología Checklist OCRA. Mediante visión por computadora, redes neuronales convolucionales y sensores Kinect, el modelo permite identificar posturas, tipos de agarre y condiciones de trabajo en tiempo real. La investigación, realizada en una planta farmacéutica colombiana, evidencia una tasa de precisión superior al 80 % y propone una interfaz funcional para facilitar su adopción empresarial. Este avance promueve la integración de tecnologías 4.0 en la gestión de riesgos laborales y fortalece la colaboración entre academia e industria.
Descargas
Referencias
Aqueveque, P., Peña, G., Gutiérrez, M., Gómez, B., Alemania, E., Retamal, G., & Ortega-Bastidas, P. (2023). Utilización de sistemas de captura de movimiento para instrumentar el índice OCRA: un estudio sobre la clasificación de riesgos para las actividades relacionadas con el trabajo de las extremidades superiores. Sensores, 23(17), 7623.
Ayres, JR, Paiva, V. y Franca, I. (2018). De la historia natural de la enfermedad a la vulnerabilidad. Conceptos y prácticas en transformación en la salud pública contemporánea. V. Paiva, JR Ayres, A. Capriati, A. Amuchástegui, M. Pecheny (ed.), Prevención, Promoción y Atención. Enfoques de vulnerabilidad y derechos humanos, 35-64.
Celi, LA, Citi, L., Ghassemi, M., y Pollard, TJ (2019). La colección PLOS ONE sobre aprendizaje automático en salud y biomedicina: hacia el código abierto y los datos abiertos. PloS one , 14 (1), e0210232.
Driscoll, T. (2018). La carga global de enfermedades derivadas de exposiciones ocupacionales en 2016 en Medicina ocupacional y ambiental, 75 (suplemento 2): A1–A650.
Camargo-Salinas, MC, Miranda N., Suárez-Pérez J.F. (2024). Estado del arte en evaluación de métodos de detección automatizada de riesgo ergonómico en entornos de trabajo industrial.
ISO/TR 12295:2014 Ergonomía. Documento de aplicación de normas internacionales sobre manipulación manual (ISO 11228-1, ISO 11228-2 e ISO 11228-3) y evaluación de posturas de trabajo estáticas (ISO 11226).
ISO 11228-3:2007. Ergonomía. Manipulación manual. Parte 3: manipulación de cargas bajas a alta frecuencia.
Organización Mundial de la Salud (OMS). (2018). Prevención de enfermedades mediante un lugar de trabajo saludable y seguro (Ginebra).
Organización Mundial de la Salud (OMS). (2021). Centro de Prensa. Trastornos musculoesqueléticos. https://www.who.int/es/news-room/fact-sheets/detail/musculoskeletal-conditions
Poddar, M., Marwaha, J. S., Yuan, W., Romero-Brufau, S., & Brat, G. A. (2024). An operational guide to translational clinical machine learning in academic medical centers. NPJ Digital Medicine, 7(1), 129.
Redmon, J., Divvala, S., Girshick, R. y Farhadi, A. (2016). Solo miras una vez: detección de objetos unificada y en tiempo real. En: actas de la conferencia IEEE sobre visión por computadora y reconocimiento de patrones (p. 779-788).
