DSDavid H. Seidel

David H. Seidel

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


David H. Seidel has a total of 11 co-authors. Here are the top co-authors by number of shared publications:

  • Benjamin Steinhilber

    University Hospital Tuebingen, Institute of Occupational and Social Medicine and Health Services Research (IASV), Wilhelmstrasse 27, Tuebingen, 72074, DE, Germany

    2 shared publications
  • Britta Weber

    Institute for Occupational Safety and Health of the German Social Accident Insurance (IFA), Alte Heerstrasse 111, Sankt Augustin, 53757, DE, Germany

    2 shared publications
  • Monika A. Rieger

    University Hospital Tuebingen, Institute of Occupational and Social Medicine and Health Services Research (IASV), Wilhelmstrasse 27, Tuebingen, 72074, DE, Germany

    2 shared publications
  • Rolf P. Ellegast

    Institute for Occupational Safety and Health of the German Social Accident Insurance (IFA), Alte Heerstrasse 111, Sankt Augustin, 53757, DE, Germany

    2 shared publications
  • Benjamin Steinhilber

    Institute of Occupational and Social Medicine and Health Services Research, University Hospital Tübingen, Tübingen, Germany

    1 shared publication
  • Dirk Ditchen

    Institut für Arbeitsschutz der Deutschen Gesetzlichen Unfallversicherung (IFA)

    1 shared publication

Latest Publications

  • Assessment of work-related hand and elbow workloads using measurement-based TLV for HAL

    by David H. Seidel, Kai Heinrich, Ingo Hermanns-Truxius, Rolf P. Ellegast, Lope H. Barrero, Monika A. Rieger, Benjamin Steinhilber, Britta Weber


  • Open Access

    Messdatenbasierte Gefährdungsbeurteilung

    by David H. Seidel, Rolf P. Ellegast, Monika A. Rieger, Benjamin Steinhilber, Britta Weber

    Zusammenfassung: Hintergrund: Beobachtungsbasierte Methoden zur Gefährdungsbeurteilung physischer Belastungen im Bereich der oberen Extremität können durch subjektive Erfahrungen der Untersuchenden beeinflusst werden. Darüber hinaus ist eine Quantifizierung biomechanischer Belastungen, wie Zeitverläufe von Gelenkwinkeln, Winkelgeschwindigkeiten oder Kräften durch Beobachtungen, schwer möglich. Zur objektiven Quantifizierung von Expositionen im Rahmen von spezifischen Gefährdungsbeurteilungen eignen sich daher vor allem messtechnische Methoden, wobei die Auswahl der entsprechenden Methode herausfordernd sein kann. Zielsetzung: Dieser Artikel soll Arbeitsschutzfachleute dabei unterstützen, aus der Bandbreite der unterschiedlichen Verfahren die geeignete messtechnische Methode für eine vorliegende Expositionssituation zu identifizieren. Methoden: Ausgehend von einer Literaturübersicht wurden Messmethoden für die obere Extremität in Anlehnung an ein etabliertes Kategoriensystem hinsichtlich ihrer Komplexität klassifiziert. Zusätzlich werden Anwendungsbeispiele für alle Kategorien skizziert. Ergebnisse: Dieser Artikel liefert eine Übersicht und Klassifizierung von unterschiedlichen messtechnischen Erfassungs- und Bewertungsmethoden arbeitsbezogener Muskel-Skelett-Belastungen, die in 3 Kategorien von einfach bis komplex eingeteilt werden. Diskussion: Vereinfachte Sensorik in Kombination mit spezifischen Bewertungsansätzen kann zukünftig die objektive Gefährdungsbeurteilung physischer Belastungen unterstützen.


  • Open Access

    Quantitative Measures of Physical Risk Factors Associated with Work-Related Musculoskeletal Disorders of the Elbow: A Systematic Review

    by David H. Seidel, Dirk M. Ditchen, Ulrike M. Hoehne-Hückstädt, Monika A. Rieger, Benjamin Steinhilber

    Background: Work-related musculoskeletal disorders at the elbow are a common health problem, which highly impacts workers’ well-being and performance. Besides existing qualitative information, there is a clear lack of quantitative information of physical risk factors associated with specific disorders at the elbow (SDEs). Objective: To provide evidence-based quantitative measures of physical risk factors associated with SDEs. Methods: Studies were searched from 2007 to 2017 in Medline, EMBASE, and Cochrane Work. The identified risk factors were grouped in main- and sub-categories of exposure using the Grading of Recommendations, Assessment, Development and Evaluation (GRADE) framework for rating evidence. Results: 133 different risk-factor specifications were identified in 10/524 articles and were grouped into 5 main- and 16 sub-categories of exposure. The risk factors were significantly associated with lateral epicondylitis, medial epicondylitis, or ulnar neuropathy. Significant risk factors such as wrist angular velocity (5°/s, with increasing prevalence ratio of 0.10%/(°/s), or forearm supination (≥45° and ≥5% of time combined with forceful lifting) were found. Conclusions: This review delivers a categorization of work-related physical risk-factor specifications for SDEs with a special focus on quantitative measures, ranked for evidence. These results may build the base for developing risk assessment methods and prospective preventive measures.