فصلنامه بهداشت و ایمنی کار

---

مقدمه: اختلالات اسکلتی عضلانی شایع ترین عارضه ناشی از کار می باشد. حمل دستی بار (MMH) یکی از علل ارگونومیکی است که منجر به ایجاد این نوع اختلالات می‌شود و این امر یکی از دلایل مهم برای بروز کمردرد می باشد. حمل دستی نا ایمن بار منجر به ایجاد آن دسته از اختلالات اسکلتی عضلانی می شود که شامل آسیب های فیزیکی حاد و نیز ایجاد استرین هایی در نواحی کمر، شانه ها و بازو ها می باشد . جامعه جراحان ارتوپد آمریکا، مشکلات کمر را پر هزینه ترین مشکل پزشکی جامعه خوانده اند. در این میان شمار قابل ملاحظه ای از مشکلات کمر مربوط به محیط کار می باشد .

.

روش کار: با توجه به این‌که کمتر مطالعه ای با رویکرد مقایسه ای استانداردهای داخلی و خارجی در این زمینه در ایران انجام گرفته است، این مطالعه با هدف مقایسه روش‌های داخلی و روش‌های معتبر جهانی انجام پذیرفت . این مطالعه از نوع موردی مقطعی بوده و با هدف ارزیابی مقایسه‌ای‌‌ آیین نامه حمل دستی بار در ایران و معادله حمل بار سازمان نایوش و MAC در یکی از صنایع ریخته گری تهران در سال 1391 انجام پذیرفت.

.

یافته ها: جامعه هدف، کارگران مرد صنعت مورد مطالعه بودند که به روش نمونه گیری ساده تصادفی انتخاب شدند. جمع آوری داده ها با کمک کاربرگ MAC ، معادله نایوش و آیین نامه ایران انجام گرفت. آنالیز داده ها با استفاده از نرم افزار Stata صورت پذیرفت و سطح معناداری 0.05 مورد نظر قرار گرفت.

.

نتیجه گیری: نتایج نشان دادند توافق معناداری بین روش آیین نامه ایران و MAC وجود دارد و این توافق در مورد معادله سازمان نایوش و آیین نامه ایران نیز وجود دارد. با این حال رابطه معنا داری بین معادله نایوش و روش MAC به‌دست نیامده است.

---

مقدمه: شاید یکی از مهم ترین فاکتورها در صنایع و سازمان ها عملکرد شغلی افراد باشد. هدف از مطالعه حاضر بررسی تاثیر هم‌زمان صدا، روشنایی و استرس گرمایی بر عملکرد شغلی کارکنان می‌باشد.
.
روش کار: در این مطالعه توصیفی - تحلیلی 30 نفر از پرسنل یک شرکت قطعه ساز خودرو در شهر تهران به صورت تصادفی ساده انتخاب شدند. در مطالعه اصلی، ضمن کنترل و محدود کردن عوامل مداخله گر، تاثیر هم‌زمان صدا، روشنایی و استرس حرارتی بر عملکرد شغلی شرکت کنندگان، 2 سری آزمایش ذهنی و دستی به‌عمل آمد. برای تجزیه و تحلیل اطلاعات از SPSS نسخه 18 و از آمار توصیفی و آزمون‌های آنالیز واریانس و توکی و ضریب همبستگی پیرسون استفاده شد.
.
یافته ها: نتایج نشان داد با افزایش میزان صدا و شاخص استرس حرارتی(344/0 = r , 046/0 =p) و کاهش روشنایی(472/0 = r , 008/0- =p) زمان انجام آزمون جایگذاری مینه سوتا افزایش یافته است. همچنین نتایج حاکی از آن بود که با افزایش میزان صدا و شاخص استرس حرارتی (478/0 = r , 007/0 =p) و کاهش روشنایی (523/0 = r , 003/0 =p) زمان در انجام آزمون چالاکی ابزار دستی افزایش یافته است. با استفاده از آزمون ضریب همبستگی پیرسون بین میزان روشنایی (407/0= r, 014/0 =p) و میزان شاخص استرس حرارتی و صدا (389/0 = r, - 007/0 =p) با عملیات ذهنی در حدسطحی و میانی رابطه وجود دارد.
.
نتیجه گیری: نتایج مطالعه حاضر نشان داد که افزایش صدا و استرس گرمایی و کاهش روشنایی سرعت انجام آزمون‌های دستی و دقت و زمان محاسبات ریاضی را کاهش می‌دهد. به‌همین دلیل نتایج این مطالعه می‌تواند تاییدی بر تاثیر فاکتورهای مختلف محیطی بر عملکرد شغلی افراد باشد؛ به گونه‌ای که باتغییر فاکتورهای مختلف محیطی، زمان انجام آزمون‌های دستی و دقت و زمان در آزمون‌های ذهنی تغییر می‌یابد.

---

مقدمه: روغن‌های معدنی، به‌عنوان یکی از اجزای مهم مایعات فلزکاری، در فرآیندهای صنعتی به‌صورت آئروسل در محیط کار منتشر شده و با ورود از طریق استنشاق به بدن، خطرات جدی مانند سرطان حنجره، آسم، و سرطان ریه ایجاد می‌کنند. روش NIOSH 5026 با استفاده از اسپکتروفتومتری FTIR به ارزیابی میزان مواجهه با روغن‌های معدنی می‌پردازد. با این حال، ترکیبات شیمیایی متنوع این روغن‌ها باعث تداخلات گسترده در طیف FTIR می‌شود. در این مطالعه از دو روش مدل‌سازی حداقل مربعات جزئی (PLS) و شبکه‌های عصبی مصنوعی (ANN) برای پیش‌بینی صحیح غلظت مواجهه‌ی تنفسی با روغن‌های معدنی استفاده شد.
روش کار: داده‌ها از طیف FTIR در بازه 1500-4000 cm⁻¹ استخراج و در 701 عدد موجی ثبت شد. ماتریس طیف (X) به‌عنوان ورودی و ماتریس غلظت روغن معدنی (Y) به‌عنوان خروجی برای مدل‌سازی PLS و ANN در نظر گرفته شد. عملکرد مدل‌ها براساس خطای جذر میانگین مربعات (RMSEp) مقایسه شد.  
یافته ها: در مدل PLS، ضریب رگرسیون 9188/0 و میانگین خطا  792/4  محاسبه شد. در مقابل، مدل ANN با استفاده از کمتر از 11 لایه پنهان و 15% داده‌ها برای اعتبارسنجی، به RMSEp معادل 0036/0  و میانگین خطای 3.01% دست یافت. همچنین، ANN در مقایسه با PLS دقت بالاتری در تخمین غلظت نمونه‌های آزمایشی نشان داد.
نتیجه گیری: مدل‌سازی به روش ANN امکان پیش‌بینی دقیق غلظت روغن‌های معدنی را علی‌رغم تداخلات طیفی فراهم می‌کند. در حالی که هر دو مدل ANN و PLS عملکرد مناسبی داشتند، روش ANN به دلیل دقت بالاتر و خطای کمتر، برتری بیشتری در پیش‌بینی غلظت نشان داد.