ارائه مدلهای پیش بین اثرات غیرشنیداری ذهنی صدا بر اساس نقطه برش فرکانسی

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 562

نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCOHS11_132

تاریخ نمایه سازی: 30 اردیبهشت 1399

چکیده مقاله:

زمینه و هدف: مواجهه با صدا به عنوان یک عامل زیان آور در محیط های کار از گسترش زیادی در صنایع برخوردار بوده واثرات بهداشتی ناشی از مواجهه با آن مورد توجه محققین واقع شده است. این مطالعه با هدف ارائه مدل های پیش بین اثراتغیرشنیداری ذهنی صدا بر اساس نقطه برش فرکانسی انجام گرفت.مواد و روش ها: در این مطالعه توصیفی تحلیلی که بر روی 323 نفر از شاغلین سالن های صنعتی در کارخانجات شرق کشوربه انجام رسید، انتخاب متغیرهای نهایی بر اساس مدل های مفهومی و روش های تحلیل رگرسیون انجام گردید. تراز صدایمحیطی و مواجهه فردی با صدا با استفاده از دستگاه های صداسنج و دوزیمتر اندازه گیری و مقیاس درجه بندی آزار صوتی،پرسشنامه های استاندارد حساسیت به صدای واینشتاین، بار کاری ذهنی و استرس شغلی به شیوه خود اجرا و نیمه نظارتیتکمیل و اطلاعات مربوط به الگوی کار و وضوح مکالمه در فاصله یک متری نیز جمع آوری گردید. تحلیل آماری با استفاده ازنرم افزار SPSS نسخه 20 و تحلیل هوش مصنوعی با به کارگیری Matlab نسخه 2016 انجام و مدل های پیش بین استرسشغلی و آزار صوتی (اثرات غیرشنیداری ذهنی صدا) بر اساس نقطه برش فرکانسی (سالن های صنعتی با فرکانس غالب کمتر یامساوی 250 هرتز و بالاتر از آن) با استفاده از روش شبکه عصبی مصنوعی ارائه گردید.یافته ها: بر مبنای تحلیل رگرسیونی، متغیرهای ورودی تعیین شده برای تدوین مدل ها در ساختار شبکه عصبی مصنوعی بامشخصات معین قرار گرفت. در مقایسه ساختارهای مختلف شبکه عصبی مصنوعی برای توسعه مدل پیش بین استرس شغلی،شبکه با یک لایه پنهان و 16 نورون با خطای پیش بینی 17/2 و ضریب تعیین (R2) معادل 0/64 بهترین عملکرد را به خود اختصاص داد. در مدل پیش بین آزار صوتی نیز، شبکه با یک لایه پنهان و 24 نورون با خطای پیش بینی 1/33 و ضریب تعیین (R2) معادل 0/57 دارای بهترین عملکرد بود. وضوح مکالمه در فاصله یک متری به عنوان مهمترین متغیر موثر در مدل ها شناسایی گردید. بر اساس نتایج بدست آمده، برازش مدل های ذهنی ارائه شده در افراد شاغل در سالن های صنعتی با فرکانسغالب پایین (کمتر یا مساوی 250 هرتز) از مطلوبیت بیشتری برخوردار بود.نتیجه گیری: شبکه عصبی مصنوعی به دلیل ارتباط خوب میان ورودی و خروجی، حساسیت کمتر نسبت به وجود خطا دراطلاعات ورودی و توانایی یادگیری در مقایسه با تحلیل های رگرسیونی نتیجه قابل قبول تری با دقت بالاتر ارائه نموده ومدل های پیش بین ذهنی تدوین شده می توانند روش های مناسبی برای تخمین استرس شغلی و آزار صوتی در شاغلینمحیط های صنعتی باشند اما، مطالعات در این زمینه برای تدوین مدل با برازش بهتر و تعمیم پذیرتر پیشنهاد می گردد، ضمناینکه سالن های با فرآیندهای صنعتی مختلف نیز به صورت جداگانه مورد بررسی مجدد قرار گیرند.

نویسندگان

وحیده ابوالحسن نژاد

استادیار گروه مهندسی بهداشت حرفه ای دانشکده بهداشت دانشگاه علوم پزشکی بیرجند

رستم گلمحمدی

استادیار گروه مهندسی بهداشت حرفه ای دانشکده بهداشت دانشگاه علوم پزشکی بیرجند

حسن ختن لو

استادیار گروه مهندسی بهداشت حرفه ای دانشکده بهداشت دانشگاه علوم پزشکی بیرجند

علیرضا سلطانیان

استادیار گروه مهندسی بهداشت حرفه ای دانشکده بهداشت دانشگاه علوم پزشکی بیرجند

محسن علی آبادی

استادیار گروه مهندسی بهداشت حرفه ای دانشکده بهداشت دانشگاه علوم پزشکی بیرجند

وحید ابوالحسن نژاد

استادیار گروه مهندسی بهداشت حرفه ای دانشکده بهداشت دانشگاه علوم پزشکی بیرجند