مدل پيش بيني كننده اختلالات اسكلتي عضلاني در كاربران كامپيوتر با استفاده از شبكه عصبي مصنوعي

مقدمه: به دليل افزايش ارائه خدمات الكترونيك به شهروندان در ادارات دولتي، تعداد كاربران كامپيوتر و در نتيجه بروز اختلالات اسكلتي عضلاني افزايش يافته است. لذا هدف اين مطالعه پيش‌بيني و مدلسازي روابط پيچيده بين عوامل خطر اختلالات اسكلتي عضلاني در كاربران كامپيوتر شاغل در ادارات دولتي توسط شبكه عصبي مصنوعي بود.روش كار: مطالعه مقطعي حاضر در سال 2020 روي 342 نفر از كاركنان ادارات مختلف دولتي شهر ساوه در ايران انجام گرديد. ابتدا محقق به منظور شناسايي اوليه مشكلات از محيط كار بازديد نموده و عوامل محيطي را اندازه‌گيري كرد. با استفاده از پرسشنامه نورديك و روش ROSA، ارزيابي ريسك ارگونوميك و بررسي عوامل رواني اجتماعي صورت پذيرفت. بمنظور تدوين مدل، تأثير عوامل مختلف در ايجاد اختلالات اسكلتي عضلاني با استفاده از آزمون رگرسيون لجستيك بررسي شد، سپس داده‌هاي حاصل توسط يكي از الگوريتم‌هاي شبكه عصبي جمع‌آوري و مدل‌سازي گرديد و در نهايت يك مدل بهينه براي پيش‌بيني خطر اختلالات اسكلتي عضلاني توسط شبكه‌هاي عصبي مصنوعي ارائه شد.  يافته ها: نتايج نشان داد با افزايش سطح تعاملات اجتماعي، سطح تقاضا، كنترل و رهبري در شغل، اختلالات اسكلتي عضلاني در مردان و زنان كاهش مي‌يابد. بين شيوع اختلالات اسكلتي-عضلاني و ميزان تقاضاي شغل، سطوح كنترل شغل، سطوح تعاملات اجتماعي، سطوح رهبري، سطوح جو سازماني، سطح رضايت شغلي و سطوح استرس رابطه معناداري وجود داشت. علاوه بر اين، بين گزارش درد در ناحيه گردن، شانه و مچ/دست با نمره كلي ROSA رابطه معناداري وجود داشت. همچنين بين گزارش درد يا ناراحتي در ناحيه گردن با امتياز خطر صفحه نمايش گوشي، مچ/دست با نمره خطر صفحه كليد-موس و همچنين شانه، قسمت بالاي كمر، آرنج و پايين كمر با نمره ريسك صندلي رابطه معنادار وجود داشت. دقت مدل ارائه شده جهت پيش‌بيني اختلالات اسكلتي عضلاني نيز حدود 88.5 % بود كه نشان‌دهنده قابل قبول بودن نتايج است. نتيجه گيري: نتايج نشان داد چندين فاكتور در ايجاد اختلالات اسكلتي عضلاني نقش دارند كه شامل عوامل فردي، محيطي، رواني اجتماعي و ايستگاه كاري مي‌باشد. لذا در طراحي يك ايستگاه كاري ارگونوميك بايستي تاثير توام عوامل ذكر شده مورد بررسي قرار گيرد. همچنين پيش‌بيني ميزان تاثيرگذاري هر كدام از عوامل مذكور با استفاده از شبكه عصبي مصنوعي نشان داد كه اين نوع مدلسازي مي‌تواند به عنوان ابزاري جهت پيشگيري از اختلالات اسكلتي عضلاني و يا ديگر اختلالات چندعاملي كاربردپذير باشد.