طراحي سيستم هوشمند سنجش سلامت رانندگان با استفاده از منطق فازي

Designing a Fuzzy Logic Intelligence System for Driver's Health Assessment

اگر صحت سلامت رانندگان در جامعه كنترل نشود باعث مرگ انسان هاي سالم در بهترين دوره زندگي از نظر كارايي، بازدهي و تندرستي مي شود و هزينه هاي مالي بسيار زيادي را بر كشور تحميل مي كند. هدف اين مطالعه طراحي سيستم هوشمند فازي براي مشخص نمودن سلامت رانندگان است.روش: در اين مطالعه گذشته نگر 350 نمونه از پرونده رانندگان مراجعه كننده به مركز طب كار ايلام انتخاب گرديد، سپس اطلاعات باليني از پرونده رانندگان به صورت چك ليست گردآوري شد، با توجه به معيارهاي صحت، حساسيت ، ويژگي و سطح زير منحني راك به تحليل مدل معرفي شده پرداخته شد. همچنين براي سنجش ميزان تطابق نتايج سيستم و تشخيص ثبت شده در پرونده از آزمون كاپا و براي طراحي رابط كاربري سيستم از نرم افزار matlab نسخه 2013 استفاده گرديد.نتايج: مدل فازي معرفي شده از ويژگي 87 درصد، حساسيت 99/3 درصد و صحت 96/9درصد برخوردار بود ، ميزان محاسبه شده در آزمون كاپا 87 درصد كه به عنوان تطبيق تقريباً كامل گزارش و ميزا ن محاسبه شده سطح زير منحني راك 99/02 به دست آمد.نتيجه گيري: با توجه به نتايج به دست آمده از اين مطالعه، مدل فازي در سنجش سلامت رانندگان مي تواند نقش موثري در كمك به پزشكان داشته باشد و در مراكز طب كار براي بالا بردن دقت، سرعت و كاهش هزينه ها مي توان از اين مدل استفاده نمود.

Introduction: If driver’s health is not controlled in the community, it might cause the death of healthy people in the best period of their lives in terms of performance, efficiency and health and it imposes a lot of financial cost on the country. The aim of this study was to Design an intelligent systems based on Fuzzy logic to determine the drivers' health condition. Methods: In this retrospective study, 350 health records of drivers referred to Ilam Occupational Medical Center were selected. Then, clinical information was collected from driver’s health record as a checklist and considering the criteria of accuracy, sensitivity and specificity and the area under the ROC curve, the proposed model was analyzed. Moreover, Kappa test was used for evaluation of the rate of adjustment of system results with the recorded diagnosis in the medical file. Matlab2013 was used for designing the operative rabbet. Results: The specificity, sensitivity and accuracy of the introduced fuzzy model were respectively 87%, 99.3% and 96.9% and kappa rate of 87% showed relatively complete adjustment of the reported rate and the area under Roc curve was calculated as 92.02. Conclusion: According to the findings of this study, the presented fuzzy system for determining the drivers' health condition can play an important role in helping physicians and can be used in occupational medicine centers for increasing the speed and accuracy and reducing costs.