بررسی ریسک فاکتورهای موثر در ایجاد درد ناحیه تحتانی کمر و استفاده از مدل فراابتکاری آنفیس جهت پیش بینی درد در ناحیه تحتانی کمر
- سال انتشار: 1397
- محل انتشار: سومین همایش دوسالانه ارگونومی ایران
- کد COI اختصاصی: BEMED03_212
- زبان مقاله: فارسی
- تعداد مشاهده: 510
نویسندگان
دانشجوی کارشناسی ارشد، دانشکده بهداشت، گروه مهندسی بهداشت حرفه ای، دانشگاه علوم پزشکی تهران
دانشجوی کارشناسی ارشد، دانشکده بهداشت، گروه مهندسی بهداشت حرفه ای، دانشگاه علوم پزشکی تهران
دانشجوی کارشناسی ارشد، دانشکده بهداشت، گروه مهندسی بهداشت حرفه ای، دانشگاه علوم پزشکی تهران
چکیده
مقدمه پرسنل اتاق عمل نقش مهمی در هر موسسه درمانی ایفا می کنند که جزء نیروهای اصلی کادر درمانی به شمار می روند. با توجه به این که پرسنل اتاق عمل بخش زیادی از ساعات روزانه خود را در اتاق عمل می گذرانند جزء افرادی هستند که در معرض مشکلات شغلی زیادی قرار می گیرند. اختلالات اسکلتی- عضلانی مرتبط با کار (WMSDs) یکی از شایع ترین مشکلات شغلی در کادر درمان می باشد. پرسنل اتاق عمل فعالیت های فیزیکی زیادی از جمله جابه جایی و بلند کردن بیماران، خمیدگی های مکرر به سمت جلو و ایستادن های طولانی در طول شیف کاری دارند. بسیار مهم است که بتوانیم شکایات کادر درمانی از مشکلات جسمی کاهش دهیم. ایده ترکیب منطق فازی و شبکه عصبی جهت مدلسازی، اولین بار توسط Athanassopoulos و Curram جهت طبقه بندی و پیش بینی مورد استفاده قرار گرفت. توانایی سیستم های فازی نیز در حل مسایل پیچیده مدل سازی و پیش بینی، کنترل و هوش مصنوعی مورد تایید قرار گرفته است اما با توجه به قابلیت های مکمل ) و نه رقابتی ( دو راهکاری با ترکیب آنها می توان تواما از مزایایشان استفاده کرد . توسعه سیستم های فازی - عصبی گامی در همین راستا می باشد که با ترکیب این دو روش از قابلیت یادگیری و پردازش موازی شبکه های عصبی و استنتاج تقریبی فازی استفاده می کند و ماحصل آن یک سیستم هوشمند است که در برخورد با یک سیستم، بدون در دست داشتن معادلات دیفرانسیل حاکم و با داشتن حداقل امکانات ممکن ) مثلا داشتن توصیف تقریبی و زبانی و یا داشتن مقادیری خاص از یک متغیر ( توانایی تجهیز و تحلیل دارد. با توجه به نقش کلیدی کارکنان کادر درمانی بیمارستان در ارائه خدمات درمانی به بیماران، این مطالعه با هدف بررسی ریسک فاکتورهای موثر در ایجاد درد ناحیه تحتانی کمر و استفاده از مدل فراابتکاری انفیس جهت پیش بینی درد در ناحیه تحتانی کمر در پرسنل اتاق عمل انجام شده است. روش کار این مطالعه یک بررسی مقطعی از نوع توصیفی- تحلیلی بوده که به تجزیه و تحلیل داده ها و پیش بینی درد در ناحیه تحتانی کمر مربوط به 100 نفر از پرسنل اتاق عمل، با استفاده از سیستم استنتاج عصبی- فازی (ANFIS) در نرم افزار MATLABR2019a پرداخته شد. در این مطالعه از پرسشنامه مربوط به درد در نواحی مختلف بدن استفاده شد. در این پرسش نامه درد در نواحی مختلف بدن بین مقیاس 1 تا 10 ارائه شده بود. سپس با استفاده از نرم افزار SPSS21 متغیرهایی که معنادار یافت شد مشخص و در مرحله بعد با استفاده از نرم افزار مدل سازی متلب و روش پیش بینی نوروفازی به ارائه مدل پرداخته شد. ساختار مدل ANFIS مورد استفاده در این تحقیق، جهت مدلسازی پارامترهای مختلف بر درد در ناحیه تحتانی کمر در شکل زیر نشان داده شده است: نتایج: در این پژوهش تاثیر ریسک فاکتورهاب مختلف روی درد در نواحی تحتانی کمر مورد بررسی قرار گرفت. پس از انجام آنالیز آماری در SPSS21 چهار پارامتر حرکات تکراری، ایستادن طولانی مدت، خمیدگی کمر و حمل و جابه جایی بار معنا دار یافت شد. این پارامترها توسط سیستم استنتاج عصبی - فازی مورد بررسی قرار گرفت. همچنین نتایج ساختارهای مختلف ورودی به مدل ANFIS توسط پارامترهای آماری در جدول زیر مورد ارزیابی قرار گرفت. رسم نمودار پراکنش داده های مشاهداتی در مقابل داده های پیش بینی شده، به منظور مقایسه هرچه بیشتر مدل سازی بسیار حائز اهمیت می باشد. جدول مربوط به پارامترهای آماری دقت مدل ANFIS در پیش بینی درد در ناحیه تحتانی کمر RMSE MAEd MSE | NMSE R2 مدل 0.9265 0.0735 0.7126 0.9806 0.2399 0.8442 بحث و نتیجه گیری یافته های این مطالعه بیانگر این نتیجه بسیار مهم است که درد در ناحیه تحتانی کمر می تواند تحت تاثیر ریسک فاکتورهایی از جمله حرکات تکراری، ایستادن طولانی مدت، خمیدگی کمر و حمل و جابه جایی بار قرار گیرد، نتایج مدلسازی نشان میدهد که با استفاده از شبکه نوروفازی میتوان به یک رویکرد و روش مناسب و قابل اعتماد در پیش بینی عوامل مشارکت کننده در ایجاد درد در ناحیه تحتانی کمر دست یافت. مدل سازی تحلیلی با استفاده از منطق نوروفازی نشان داد که پارامترهای مربوط به درد در ناحیه تحتانی کمر به عنوان فاکتورها و عوامل مهم و اساسی در بروز ناراحتی های اسکلتی عضلانی در مشاغل معرفی شده اند. نتایج مدل سازی نوروفازی حاکی از آن است که در میان شاخص های مورد تجزیه و تحلیل که به عنوان ورودی های مدل انتخاب شدند پارامترهای حرکات تکراری، ایستادن طولانی مدت، خمیدگی کمر و حمل و جابه جایی بار تاثیر بسیار زیادی در ایجاد درد در ناحیه تحتانی کمر دارند که نتایج این مطالعه با نتایج مطالعات مختلفی از جمله مطالعه CARLOS همخوانی دارد. همانگونه که در مدل های ا مشاهده میگردد، می توان نتیجه گرفت که درد در ناحیه تحتانی کمر ارتباط تنگاتنگی با ریسک فاکتورهای مورد بررسی دارد به طوریکه با توجه به معیارهای آماری ارائه شده در جدول با ضریب رگرسیون مدل برابر با 0.9265 شد که عملکرد قابل قبولی جهت پیش بینی درد در ناحیه تحتانی کمر داشته است.|کلیدواژه ها
انفیس، درد در ناحیه تحتانی کمر، پیش بینی، پرسنل اتاق عملمقالات مرتبط جدید
- شناسایی عوامل هوش مصنوعی بر بهبود مدیریت تامین و زنجیره تامین
- ارائه یک چارچوب مبتنی بر شبیه سازی برای بهبود سیستم تولید پنجره
- فرصتها و چالش های استفاده از تکنولوژی های نوظهور مانند اینترنت اشیا، بلاکچین و هوش مصنوعی در مدیریت زنجیره تامین
- بررسی تاثیر تحول استراتژیک بر بهره وری سازمانی: نقش میانجی ارتقاء روحیه کارآفرینی (مورد مطالعه:شرکت های کارآفرین شهر ایلام)
- بررسی بهره وری نیروی انسانی و تجزیه و تحلیل آن در سازمان ها
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.