Score d’évaluation du risque de symptômes musculo-squelettiques chroniques basé sur des facteurs d’exposition professionnelle aux déterminants biomécaniques, psychosociaux et organisationnels - Université de Rennes Accéder directement au contenu
Poster De Conférence Année : 2016

Score d’évaluation du risque de symptômes musculo-squelettiques chroniques basé sur des facteurs d’exposition professionnelle aux déterminants biomécaniques, psychosociaux et organisationnels

Ludivine Gautier
  • Fonction : Auteur
  • PersonId : 992955
Soline Leblanc
  • Fonction : Auteur
Jean-François Hamel
  • Fonction : Auteur

Résumé

Objectif Ce travail propose de créer un score d’aide à l’évaluation du risque de symptômes musculo-squelettiques chroniques des membres supérieurs (SMS-MS), basé sur des données d’exposition professionnelle. Ce score ne prenant pas en compte les facteurs individuels, permettra de classer les situations de travail devant bénéficier d’une action de prévention. Méthodes L’échantillon d’étude était constitué de 1 749 salariés recrutés lors de la phase d’inclusion de la Cohorte des Salariés Ligériens (COSALI). Les facteurs organisationnels, biomécaniques et psychosociaux et les variables associées aux SMS-MS chroniques (douleur quotidienne au cours de l’année écoulée pour au moins une localisation du membre supérieur) ont été recueillis par auto-questionnaire. Trois méthodes statistiques ont été utilisées : une régression logistique binaire, une analyse en clusters suivie d’une analyse par arbre de décision et une modélisation par classes latentes. La méthode maximisant le critère statistique AUC (area under the curve) a été retenue pour la création du score. Résultats La prévalence des salariés déclarant au moins un SMS-MS chronique était de 12,9 %. La régression logistique a été retenue pour la création du score (AUC = 0,7). Les facteurs associés aux SMS-MS chroniques étaient l’intensité élevée des efforts physiques ressentie (échelle RPE de Borg), la répétitivité des gestes plus de 4 h/j, le travail avec un ou deux bras au-dessus des épaules plus de 2 h/j, la flexion du coude plus de 2 h/j, l’utilisation de la pince pouce-index plus de 4 h/j, la possibilité d’influencer le déroulement de son travail et l’aide des collègues. Le score a ensuite été créé à partir des paramètres estimés de la régression logistique, il s’étend de 0 à 13. Par exemple, 58,0 % de l’échantillon a un score supérieur ou égal à deux. Pour ce seuil, la valeur prédictive négative est de 92,8 %, ce qui signifie que pour l’ensemble des salariés on classe correctement 92,8 % des salariés qui ne déclaraient pas de SMS-MS chroniques. En revanche, on ne classe correctement que 19,5 % des salariés qui déclaraient au moins un SMS-MS chronique. Conclusions Selon le seuil choisi, le score aboutit à une forte valeur prédictive négative. Il pourrait constituer un outil utile aux préventeurs en entreprise afin de cibler l’effectif pour lequel il n’est pas indispensable de mettre en place des actions de prévention. Néanmoins, ce score ne permet pas de prédire avec confiance les salariés qui seront atteints de SMS. Pour avoir un score plus performant, il faudrait intégrer des facteurs individuels tels que l’âge et le sexe, mais la caractérisation par situation de travail n’est alors plus envisageable.
Fichier principal
Vignette du fichier
Gautier-2016-SFMT-Poster.pdf (625.09 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-02928905 , version 1 (24-09-2020)

Identifiants

Citer

Ludivine Gautier, Julie Bodin, Soline Leblanc, Jean-François Hamel, Natacha Fouquet, et al.. Score d’évaluation du risque de symptômes musculo-squelettiques chroniques basé sur des facteurs d’exposition professionnelle aux déterminants biomécaniques, psychosociaux et organisationnels. 34ème congrès national de médecine et santé au travail, Jun 2016, Paris, France. 77 (3), pp.569-570, 2016, Archives des Maladies Professionnelles et de l'Environnement. ⟨10.1016/j.admp.2016.03.504⟩. ⟨hal-02928905⟩
78 Consultations
77 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More