پیش بینی اختلالات اسکلتی- عضلانی بر اساس اطلاعات دموگرافیک افراد به کمک روش های هوش مصنوعی و پرسشنامه CMDQ
محل انتشار: مجله ارگونومی، دوره: 11، شماره: 4
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 47
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IEHFS-11-4_003
تاریخ نمایه سازی: 28 اسفند 1402
چکیده مقاله:
مقدمه: اختلالات اسکلتی-عضلانی مرتبط باکار(WMSDs) از مهم ترین معضلات درکشورهای درحال توسعه وپیشرفته می باشدواکثرافراددرطول زندگی خودباآن روبرو هستند. با توجه به اثرات زیان آوراختلالات اسکلتی-عضلانی دربهره وری وسلامت عمومی کارکنان این پژوهش بااستفاده ازپرسشنامه اختلالات اسکلتی– عضلانی کرنل CMDQ به منظور ارائه مدلی هوشمند درجهت تعیین سطح و پیش بینی اختلالات اسکلتی-عضلانی انجام گردید.
مواد وروش ها: در این مطالعه توصیفی تحلیلی۸۱۰نفر ازکارکنان پنج سازمان باچهارطبقه شغلی اداری، فنی،تولیدوخدمات به صورت داوطلبانه جهت ارزیابی اختلالات اسکلتی-عضلانی پرسشنامه اختلالات اسکلتی-عضلانی کرنل CMDQ راتکمیل کردند. پس ازجمع آوری داده های پرسشنامه ای وانجام تحلیل های آماری مرتبط، نرمال سازی داده هاوخوشه بندی براساس روشK-Meansبرای تعیین سطوح اختلالات اسکلتی- عضلانی استفاده شد.در نهایت،شبکه عصبی مصنوعی پرسپترون چندلایه جهت پیش بینی سطح اختلالات اسکلتی- عضلانی آموزش داده شدومعیارهای دقت،صحت،RecallوF۱-score برای ارزیابی مدل پیشنهادی به کارگرفته شده اند.
یافته ها: نتایج عملکردمدل پیشنهادی درپیش بینی سطح اختلالات اسکلتی- عضلانی دردوحالت استفاده وعدم استفاده از روش SMOTE براساس معیار های ارزیابی ارائه شده است. مقادیرصحت، دقت،Recallو F۱-score به ترتیب ۷۲۴/۰، ۷۰۹/۰، ۷۵۶/۰ و ۷۲۰/ بدست آمد.مقدار مناسب صحت ودقت درمدل پیشنهادی نشان دهنده قابلیت آن درشناسایی سطح اختلالات اسکلتی-عضلانی افرادوکمک به متخصصان حوزه بهداشت درشناسایی واقدامات لازم برای پیشگیری و پیش بینی آن هامی باشد.
بحث و نتیجه گیری: این مطالعه با استفاده از پرسشنامه CMDQ وروش های هوش مصنوعی به تحلیل اختلالات اسکلتی-عضلانی در محیط کار پرداخته است. مدل پیشنهادی در مقایسه با مطالعات مشابه دارای دقت و صحت قابل توجهی است. نتایج نشان دادند که از این مدل می توان برای شناسایی و پیش بینی اختلالات اسکلتی-عضلانی در کارکنان سازمان ها با امکان تسریع فرآیند شناسایی و کاهش هزینه ها بهره برد.
کلیدواژه ها:
نویسندگان
موسی نظری
Assistant Professor, Department of Computer Science, University of Science and Technology of Mazandaran, Behshahr, Iran
آرزو سماک امانی
MSc Occupational Health Engineering, Department of Occupational Health, Mazandaran University of Medical Sciences, Sari, Iran.
محمد امین موعودی
Faculty of Health, Department of Occupational Health, Mazandaran University of Medical Sciences, Sari, Iran
محمد مهدی علیان نژادی
Assistant Professor, Department of Computer Science, University of Science and Technology of Mazandaran, Behshahr, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :