Protocols and Test Development for the evaluation of an innovative wearable interface in the context of work related-MSDs

Work-related Musculoskeletal Disorders (WRMSDs) constitute a major health problem for employees, and the economic consequences are substantial for the individuals, companies and society. In order to reduce the risk of WRMSDs several methods have been developed, accepted by the international literature and used in the workplace. However most of these methods are based on self-reports and observational inspections and have numerous limitations, such as the lack of objectivity, accuracy and reliability. Instrument-based methods instead, rely on direct measurements from sensors attached to the workers body and they are becoming a trend and are more frequently used by experts. Within this category of methods, Smart Work Clothes are pervasive solutions for real time and/or long-term ergonomic assessment and posture biofeedback in the context of WR-MSDs prevention. These devices, without interfering with the typical movements performed by workers at the workplace, would allow the estimation of biomechanical risk in real-time providing a direct feedback to the end-user who would be constantly monitored directly at work. This thesis work is part of the development of a smart garment, more specifically, a sleeveless shirt with eight embedded EMG electrodes that permits to monitor the muscular effort and other features from biological signals during working activities. In order to design and develop the prototype of the smart garment the muscles on which to place the textile electrodes were selected: Upper Trapezius, Infraspinatus, Latissimus Dorsi and Erector Spinae. The four bilateral selected muscles is the result of a cross correlated research between three elements: the main WR-MDSs, the working sectors that mostly report MSDs and the main working activities carried out in those sectors. This allowed to identify the most overload and fatigued muscles during the execution of the working tasks carried out in the sectors with the greatest number of WR-MSDs reported. In order to develop a systematic method, that permits to simulate different working tasks in a laboratory environment, an acquisition protocol was developed. The protocol, composed by several parts and implemented in python, allows to acquire muscle activity, registered during tasks execution, using surface electromyography technique with disposable electrodes and motion capture technology. The aims is to define an elaboration procedure to extrapolate correct patterns of muscle activation and deactivation in order to be used then in next stages of the system development to distinguish correct and incorrect movements and/or working cycles. This framework was validated with 8 subjects, in a simulation of a task based on the manual handling of low loads at high frequency where the parameters that defines the task were chosen so as there is no exposure to the common risk factors reported by the Occupational Safety and Health Directives and therefore the extrapolated patterns can be defined correct. The results showed that the protocol defined and the data elaboration system implemented provides a promising method to extrapolate correct activity patterns task-based and to be used to conduct future experimental procedures in order to validate the smart garment prototype when ready.

I disturbi muscoloscheletrici lavoro correlati (DMS) costituiscono un grave problema di salute per i lavoratori e le conseguenze economiche risultano sostanziali per gli individui, le aziende e la società. Al fine di ridurre il rischio dei DMS sono stati sviluppati diversi metodi, accettati dalla letteratura internazionale e utilizzati sul posto di lavoro. Tuttavia, la maggior parte di questi metodi si basa su schede ti adutovalutazione e ispezioni osservazionali e presenta numerosi limiti quali la mancanza di obiettività, accuratezza e affidabilità. I Metodi oggettivi/strumentali si basano invece su misurazioni dirette provenienti da sensori attaccati al corpo dei lavoratori e vengono sempre più frequentemente utilizzati dagli esperti. All'interno di questa categoria di metodi, gli Smart Work Clothes sono soluzioni pervasive per la valutazione ergonomica e il biofeedback posturale in tempo reale e/o a lungo termine nel contesto della prevenzione dei MSD lavoro correlati. Questi dispositivi, senza interferire con i movimenti tipici dei lavoratori sul posto di lavoro, permettono la stima del rischio biomeccanico in tempo reale fornendo un feedback diretto all'utente finale che sarebbe costantemente monitorato sul posto di lavoro. Questo lavoro di tesi fa parte dello sviluppo di un dispositivo indossabile, nello specfico costituito da una maglia senza maniche con otto elettrodi EMG incorporati che permette di monitorare lo sforzo muscolare durante lo svolgimento delle attività lavorative. Per progettare e sviluppare il prototipo dell'indumento sono stati selezionati i muscoli su cui posizionare gli elettrodi tessili: trapezio superiore, infraspinato, grande dorsale e muscolo spinale. I quattro muscoli bilaterali selezionati sono il risultato di una ricerca incrociata tra tre elementi: i principali DMS lavoro correlati, i settori lavorativi che riportano il maggior numero di DMS e le principali attività lavorative svolte in quei settori. Ciò ha permesso di identificare i muscoli che sono tendenzialmente più sovraccarichi e affaticati durante l'esecuzione delle mansioni lavorative svolte nei settori con il maggior numero di DMS segnalati. Al fine di sviluppare un metodo sistematico, che consenta di simulare diversi compiti di lavoro in un ambiente di laboratorio, è stato sviluppato un protocollo di acquisizione. Il protocollo, composto da diverse parti e implementato in Python, permette di acquisire l'attività muscolare, registrata durante l'esecuzione di compiti lavorativi, utilizzando l’elettromiografia di superficie e sistema di analisi del movimento. Lo scopo è quello di sviluppare una procedura per estrapolare schemi corretti di attivazione e disattivazione muscolare da utilizzare poi nelle fasi successive dello sviluppo del sistema per distinguere movimenti e/o cicli di lavoro corretti e scorretti. Questo framework è stato validato con 8 soggetti, in una simulazione di un compito basato sulla movimentazione manuale di bassi carichi ad alta frequenza dove i parametri che definiscono il compito sono stati scelti in modo tale che non vi sia esposizione ai comuni fattori di rischio riportati dalla Sicurezza sul Lavoro e Direttive Sanitarie in modo che i pattern estrapolati fossero effettivamente corretti. I risultati hanno mostrato che il protocollo definito e il sistema di elaborazione implementato forniscono un metodo promettente per estrapolare modelli di attività corretti basati sulle attività e da utilizzare per condurre future procedure sperimentali al fine di convalidare il prototipo quando sarà pronto.