مدلسازی و پیش بینی تغییرات افت شنوایی کارگران بر اساس یافته های ادیومتریک با استفاده از الگوریتم C5

زمینه و هدف: با گسترش صنعت در جهان، مواجهه صوتی بسیار رایج تر خواهد بود. مهمترین و قطعی ترین اثرات زیان بارصدا، افت شنوایی، اعم از دائم وموقت است. این مطالعه باهدف استفاده از الگوریتم C5 برای تعیین وزن عوامل موثر بر افتشنوایی کارگران بر اساس یافته های ادیومتریک طراحی شده است.مواد و روش ها: این مطالعه مقطعی- توصیفی، تحلیلی در سال 1397 در یک صنعت معدنی در جنوب شرق ایران انجام شد. در این مطالعه کارگران در سه گروه مواجهه یافته با ترازهای فشار صوت مختلف (یک گروه کنترل و دو گروه مورد)تقسیم بندی شدند. ادیومتری برای هرگروه به تعداد 50 نفر انجام شد، بنابراین مجموع افراد تحت مطالعه به 150 نفر رسید.مراحل انجام این مطالعه عبارتنداز؛ انتخاب متغیرها (پیش بین) جهت بررسی و وزن دهی آن ها، انجام ادیومتری برای هر دوگوش، محاسبه افت شنوایی دائم هر گوش و افت شنوایی دائم دو گوش، طبقه بندی انواع افت شنوایی، بررسی و تشخیص وزنعوامل موثر بر افت شنوایی و طبقه بندی آن ها براساس الگوریتم C5 و تعیین نرخ خطا و صحت هر یک از مدل ها. جهتبررسی و تشخیص وزن عوامل موثر بر افت شنوایی کارگران از الگوریتم C5 و نرم افزار IBM SPSS Modeler 18.0 استفادهشد. از نرم افزار SPSS 18 نیز جهت آنالیز آزمون های آماری رگرسیون خطی، تی زوجی استفاده گردید.یافته ها: یافته ها نشان داد که در مدل اول (dBA 70> SPL) فرکانس 8 KHz با وزن 31% بیشترین تاثیر و متغیر سابقه کار وفرکانس 250 Hz هر کدام باوزن 3% دارای کمترین تاثیر هستند و صحت مدل برابر 100% به دست آمد، در مدل دوم (dBA 70-80 SPL) فرکانس KHz8 باوزن 21 % دارای بیشترین تاثیر و فرکانس Hz250 و عامل سابقه کار هر کدام باوزن 7%کمترین تاثیر را دارا بودند و صحت مدل برابر 100% محاسبه شد، در مدل سوم (dBA 70> SPL) فرکانس 4 KHz باوزن 31%دارای بیشترین تاثیر و عامل سابقه کار با وزن 1% کمترین تاثیر را دربرداشت و صحت مدل برابر 94% بود و در مدل چهارمفرکانس های 4 KHz باوزن 22%، دارای بیشترین تاثیر و 250 Hz و عامل سن هر کدام باوزن 8% دارای کمترین تاثیر می باشند؛صحت این مدل 99/05% محاسبه شد. نتیجه گیری: در بررسی و تشخیص وزن عوامل موثر بر افت شنوایی توسط الگوریتم C5 ، وزن و تاثیر بالای فرکانس 4 KHzدرتغییرات افت شنوایی پیش بینی شد و با توجه به صحت بالای به دست آمده در این مدلسازی، این الگوریتم ابزاری مناسب وقدرتمند جهت پیش بینی و مدلسازی افت شنوایی می باشد.

کلیدواژه ها:

صدا ، مدلسازی ، افت شنوایی ، داده کاوی ، الگوریتم C5