پديد آورندگان :
حكم آبادي، رجبعلي دانشگاه علوم پزشكي تهران - دانشكده بهداشت - گروه مهندسي بهداشت حرفه اي، تهران، ايران , سپهر، پروين دانشگاه علوم پزشكي شهيد بهشتي - دانشكده بهداشت - گروه مهندسي بهداشت حرفه اي، تهران، ايران
كليدواژه :
ارزيابي پوسچر , اختلالات اسكلتي- عضلاني , روش ROSA , پرسشنامه نورديك , شبكه عصبي
چكيده فارسي :
مقدمه: كار با رايانه و شرايط حاكم بر محيط‌هاي شغلي، انسان را در معرض ريسك فاكتورهاي اختلالات اسكلتي‌عضلاني قرار مي دهد. لذا هدف از اين مطالعه ارزيابي پوسچر، بررسي وضعيت اختلالات اسكلتي عضلاني، تعيين ريسك فاكتورها، وزن‌دهي و اولويت بندي اين ريسك‌فاكتورها با استفاده از الگوريتم شبكه‌عصبي در كاربران رايانه مي باشد.
روش كار: اين مطالعه از نوع توصيفي تحليلي و به صورت مقطعي بر روي كاربران رايانه در سال 1398 انجام گرفت. اين مطالعه در شش مرحله كلّي انجام گرفت كه تعيين وضعيت اختلالات اسكلتي عضلاني با استفاده از پرسشنامه نورديك، انتخاب عوامل موثر بر اختلالات اسكلتي- عضلاني با روش ROSA و وزن دهي عوامل موثّر بر اين اختلالات با استفاده از الگوريتم شبكه عصبي انجام گرفت. داده ها با نرم افزار IBM SPSS Modeler آناليز شدند.
يافته ها: ميانگين سن و سابقه كار كاربران بترتيب 9/6±34 و 7/0±5/1 سال محاسبه گرديد. بيشترين اختلالات اسكلتي-عضلاني بترتيب در نواحي كمر، گردن و بخش فوقاني پشت مشاهده گرديد. ميانگين نمره نهايي صندلي، تلفن- مانيتور و موس- كيبورد بترتيب برابر با 1±7/3، 1/1±6/3و 2/1±65/3 و ميانگين نمره نهايي ROSA برابر 9/0±4/4 بود. بيشترين همبستگي با نمره ROSA متعلق به عامل صندلي(0.46=R2)و پس از آن عامل تلفن- مانيتور(0.43=R2) و عامل موس- كيبورد (0.42=R2) بود. اعتبار پيش بيني عوامل موثر بر اختلالات اسكلتي- عضلاني طبق اولويت بندي الگوريتم شبكه عصبي بترتيب براي صندلي(48%)، تلفن- مانيتور(28%) و موس- كيبورد (24%) بود. صحت الگوريتم شبكه عصبي در بررسي ميزان تاثير عوامل موثر بر اختلالات اسكلتي- عضلاني، بر اساس امتياز ROSA برابر 98% بدست آمد.
نتيجه گيري: عوامل موثر بر اختلالات اسكلتي- عضلاني كار با رايانه طبق اولويت بندي الگوريتم شبكه عصبي به ترتيب صندلي، تلفن- مانيتور و موس- كيبورد مي باشد. لذا با اصلاح ارگونوميك صندلي كاربران و جانمايي مناسب مانيتور و تلفن مي توان از بخش عمده اي از اختلالات اسكلتي عضلاني كاربران رايانه پيشگيري نمود.
چكيده لاتين :
Introduction: Working with a computer and workplace conditions expose people to risk factors of
musculoskeletal disorders (MSDs). This study aimed to assess posture, examine MSDs, and determine,
weigh and prioritize the risk factors among computer users by a neural network algorithm.
Material and Methods: This descriptive-analytical cross-sectional study was conducted in six phases on
computer users in 2019. The status of MSDs was determined via Nordic musculoskeletal questionnaire
(NMQ). The factors affecting these disorders were determined by the ROSA method, and then these
factors were weighed by the neural network algorithm. The data were analyzed in IBM SPSS Modeler.
Results: The mean age and work experience of the users were 34 ± 6.9 and 1.5 ± 0.7 years, respectively.
Most of years were observed at the lower back, neck, and upper back, respectively. The final mean
scores of the chair, telephone-monitor, and mouse-keyboard were 3.7 ± 1, 3.6 ± 1.1, and 3.65 ± 1.2,
respectively and the final mean score of ROSA was 4.4 ± 0.9. The greatest correlation with the ROSA score
was observed in chair (R2 = 0.46), followed by telephone-monitor (R2 = 0.43), and mouse-keyboard (R2 =
0.42). The highest predictor importance of the effective factors based on the neural network algorithm
prioritization belonged to the chair (48%), followed by telephone-monitor (28%) and mouse-keyboard
(24%). The accuracy of the neural network algorithm in examining the effect of factors on musculoskeletal
disorders was 98% based on the ROSA score.
Conclusion: Factors affecting years due to working with computers are the chair, telephone-monitor,
and mouse-keyboard, respectively, as prioritized by the neural network algorithm. These disorders can
be prevented by ergonomic modification of users’ chairs and correct placement of the monitor and
telephone.
