Con la creciente población de adultos mayores, los proveedores de cuidados de enfermería han estado enfrentando un riesgo sustancial de trastornos musculoesqueléticos relacionados con el trabajo (WMSDs). Los métodos de estimación de postura basados en la visión, como OpenPose, se utilizan comúnmente para la evaluación del riesgo postural ergonómico. Sin embargo, estos métodos enfrentan dificultades al identificar tareas de enfermería superpuestas e interactivas, lo que resulta en esqueletos faltantes y mal identificados. Para abordar esto, proponemos un método de compensación de esqueleto que utiliza redes convolucionales gráficas espacio-temporales mejoradas (ST-GCN), que integra características de cadena cinemática y acción para evaluar la integridad del esqueleto y compensarla. Los resultados verificaron la efectividad de nuestro enfoque en la optimización de la pérdida y mala identificación esquelética en tareas de cuidado de enfermería, lo que lleva a una mayor precisión en el cálculo tanto de los ángulos de las articulaciones del esqueleto como de las puntuaciones REBA. Además, el análisis comparativo contra otros métodos de compensación de esqueletos demostró el rendimiento superior de nuestro enfoque, logrando una puntuación de precisión REBA del 87.34%. En conjunto, nuestro método podría tener un potencial prometedor para optimizar la pérdida y mala identificación esquelética en tareas de cuidado de enfermería.