آدرس ایمیل خود را وارد نمایید
ثبت
پیام خود را بنویسید
دوره 11، شماره 4 - ( فصلنامه تخصصی انجمن ارگونومی و مهندسی عوامل انسانی ایران- در دست انتشار 1402 )
جلد 11 شماره 4 صفحات 0-0 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Nazari M, Sammak Amani A, Mououdi M A, Alyan nezhadi M M. Prediction of musculoskeletal disorders based on people's demographic information using artificial intelligence methods and CMDQ questionnaire. Iran J Ergon 2024; 11 (4)
URL: http://journal.iehfs.ir/article-1-993-fa.html
URL: http://journal.iehfs.ir/article-1-993-fa.html
نظری موسی، سماک امانی آرزو، موعودی محمد امین، علیان نژادی محمد مهدی. پیش‌بینی اختلالات اسکلتی- عضلانی بر اساس اطلاعات دموگرافیک افراد به کمک روش‌های هوش مصنوعی و پرسشنامه CMDQ. مجله ارگونومی. 1402; 11 (4)
1- استادیار گروه علوم کامپیوتر، دانشکده علوم، دانشگاه علم و فناوری مازندران، مازندران، ایران
2- دانشجوی کارشناسی ارشد مهندسی بهداشت حرفه‌ای، دانشکده بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی مازندران، مازندران، ایران ، arezoo.sam76@yahoo.com
3- عضو هیئت علمی گروه مهندسی بهداشت حرفه‌ای، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی مازندران، مازندران، ایران
2- دانشجوی کارشناسی ارشد مهندسی بهداشت حرفه‌ای، دانشکده بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی مازندران، مازندران، ایران ، arezoo.sam76@yahoo.com
3- عضو هیئت علمی گروه مهندسی بهداشت حرفه‌ای، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی مازندران، مازندران، ایران
چکیده: (473 مشاهده)
مقدمه: اختلالات اسکلتی-عضلانی مرتبط باکار(WMSDs) از مهم ترین معضلات درکشورهای درحال توسعه وپیشرفته می‌باشدواکثرافراددرطول 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 وروش‌ها: در این مطالعه توصیفی تحلیلی810نفر 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 داده‌های پرسشنامه‌ای وانجام تحلیل‌های آماری مرتبط، نرمال سازی داده‌هاوخوشه‌بندی براساس روشK-Meansبرای تعیین سطوح اختلالات اسکلتی- عضلانی استفاده شد.در نهایت،شبکه عصبی مصنوعی پرسپترون چندلایه جهت پیش‌بینی سطح اختلالات اسکلتی- عضلانی آموزش داده شدومعیارهای دقت،صحت،RecallوF1-score برای ارزیابی مدل پیشنهادی به کارگرفته شده‌اند.
یافته‌ها: نتایج عملکردمدل پیشنهادی درپیش‌بینی سطح اختلالات اسکلتی- عضلانی دردوحالت استفاده وعدم استفاده از روش SMOTE براساس معیار‌های ارزیابی ارائه شده است. مقادیرصحت، دقت،Recallو F1-score به ترتیب 724/0، 709/0، 756/0 و 720/ 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 آن‌هامی‌باشد.
بحث و نتیجه‌گیری: این مطالعه با استفاده از پرسشنامه CMDQ وروش‌های 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 می‌توان برای شناسایی و پیش‌بینی اختلالات اسکلتی-عضلانی در کارکنان سازمان‌ها با امکان تسریع فرآیند شناسایی و کاهش هزینه‌ها بهره برد.
مواد وروش‌ها: در این مطالعه توصیفی تحلیلی810نفر 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 داده‌های پرسشنامه‌ای وانجام تحلیل‌های آماری مرتبط، نرمال سازی داده‌هاوخوشه‌بندی براساس روشK-Meansبرای تعیین سطوح اختلالات اسکلتی- عضلانی استفاده شد.در نهایت،شبکه عصبی مصنوعی پرسپترون چندلایه جهت پیش‌بینی سطح اختلالات اسکلتی- عضلانی آموزش داده شدومعیارهای دقت،صحت،RecallوF1-score برای ارزیابی مدل پیشنهادی به کارگرفته شده‌اند.
یافته‌ها: نتایج عملکردمدل پیشنهادی درپیش‌بینی سطح اختلالات اسکلتی- عضلانی دردوحالت استفاده وعدم استفاده از روش SMOTE براساس معیار‌های ارزیابی ارائه شده است. مقادیرصحت، دقت،Recallو F1-score به ترتیب 724/0، 709/0، 756/0 و 720/ 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 آن‌هامی‌باشد.
بحث و نتیجه‌گیری: این مطالعه با استفاده از پرسشنامه CMDQ وروش‌های 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 می‌توان برای شناسایی و پیش‌بینی اختلالات اسکلتی-عضلانی در کارکنان سازمان‌ها با امکان تسریع فرآیند شناسایی و کاهش هزینه‌ها بهره برد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
اختلالات اسکلتی-عضلانی
دریافت: 1402/9/25 | پذیرش: 1402/11/10 | انتشار الکترونیک: 1402/11/10
دریافت: 1402/9/25 | پذیرش: 1402/11/10 | انتشار الکترونیک: 1402/11/10
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
