فصلنامه بهداشت و ایمنی کار

---

مقدمه: مطالعات محدودی بر روی ارزیابی مواجهه رانندگان تاکسی‌ها با ارتعاش تمام بدن انجام شده است بنابراین این مطالعه با هدف ارزیابی مواجهه با ارتعاش تمام بدن و شوک‌های مکرر در رانندگان تاکسی‌های درون شهری و مقایسه روش‌های مختلف ارزیابی در این محیط شغلی انجام شد.

روش کار: فرایند اندازه گیری و ارزیابی مطابق با روش کار ارایه شده در استانداردهای  ISO 2631-1,5 و با استفاده از  دستگاه ارتعاش سنج  و آنالیزور SVAN 958  انجام گردید. اندازه گیری به کمک شتاب سنج سه محوره در شرایط معمول کاری روزانه در سطح نشیمن‌گاه صندلی در 9 تاکسی  انجام گرفت.

یافته ها: نتایج اندازه گیری در روش‌های ISO 2631-1 به‌طور کلی ریسک بزرگ‌تری را در مقایسه با روش فشار تراکمی استاتیک معادل روزانه ، S_ed ، ارایه شده در ISO 2631-5 نشان داد. مدت زمان محاسبه شده برای سطح عمل مواجهه در روش ریشه میانگین مربعات شتاب، مقدار ارتعاش و  فشار تراکمی استاتیک معادل روزانه  به ترتیب 55/4 ، 54/3 و 70/31 ساعت برآورد شد.

نتیجه گیری: تفاوت زیاد در زمان‌های حدود عمل و مجاز برآورد شده مواجهه  در روش‌های  مختلف بیان‌گر عدم هم‌خوانی روش‌های ارزیابی مذکور بود. بنابراین انجام پژوهش‌های آتی جهت اصلاح حدود ارایه شده در استاندارد ضروری است.

---

مقدمه: به هر گونه اختلال یا آسیب سیستم اسکلتی –عضلانی که ممکن است در اثر شغل به وجود آمده باشد یا به وسیله آن تشدید گردد، اختلالات اسکلتی عضلانی گفته می شود که یکی از دلایل مهم آسیب های شغلی و ناتوانی در کشورهای پیشرفته و در حال توسعه هستند. مطالعه حاضر با هدف تعیین میزان شیوع اختلالات اسکلتی - عضلانی در رانندگان جهت دست یابی به نتایجی کامل با قدرت آماری بالا، با استفاده از روش متاآنالیز انجام شد.
روش کار: مطالعه حاضر متاآنالیز و مرور سیستماتیک است که در این مطالعه مقالات از پایگاه های اطلاعاتی  ملی و بین المللی ،Scientific Information Database (SID) ، Google Scholar ، Science Direct ،,Scopus  PubMed (با استفاده از واژه MESH)، Pre Quest،, Iran MediX, SID, MedLib  و با استفاده از واژه های کلیدی فارسی شامل شیوع، اسکلت-عضلانی رانندگان و هم چنین کلید واژه های انگلیسی شامل Prevalence، Musculoskeletal، Drivers  استخراج گردید. بازه زمانی در انتخاب مقالات از سال 2000 تا 2017 بود. آنالیز داده ها با استفاده از متاآنالیز (مدل اثر تصادفی )انجام شد. جهت محاسبه عدم تجانس از شاخص های I2 و Q کوکران و هم چنین کلیه تحلیل های آماری با استفاده از نرم افزار STATA نسخه 14 استفاده گردید.  
یافته ها: در نهایت 22 مقاله وارد مطالعه شدند. کل حجم نمونه مورد بررسی 7706 نفر با میانگین 350 نفر در هر مطالعه بود. میزان شیوع اختلالات اسکلتی - عضلانی در اندام های مختلف  رانندگان به این ترتیب  درگردن، شانه، مچ / دست و آرنج در این مطالعه به ترتیب 26.19٪ (با فاصله اطمینان14.30-38) ،18.07  ٪ (با فاصله اطمینان10.16-25.99)  و 5.75٪( با فاصله اطمینان 3.22-8.27) بود. بیش ترین شیوع مربوط به  اختلال ناحیه تحتانی کمر(41.63) با (فاصله اطمینان50.17-33.09) و کم ترین شیوع مربوط به اختلال آرنج (7.45) با (فاصله اطمینان9.43-5.46) بود. سطح معناداری 0.05 برای تحلیل در نظر گرفته شد.
نتیجه گیری: نتایج این بررسی نشان می دهد  شیوع اختلالات اسکلتی – عضلانی ناشی از رانندگی در ناحیه کمری، گردنی و شانه در میان رانندگان در سطح بالایی قرار  دارد. هم چنین با توجه به سطح بالای شیوع، افزایش شیوع این اختلالات در رانندگان پیش بینی می گردد.جهت کنترل و کاهش این اختلالات، طراحی مناسب صندلی و تجهیزات خودرو ها، انجام معاینات دوره های رانندگان، انجام ورزش مناسب و در نظر گرفتن زمان استراحت کافی نسبت به ساعات کاری در شبانه روز، پیشنهاد  می شود. هم چنین برنامه های آموزش ارگونومی و بهداشت حرفه ای جهت کاهش ریسک ابتلا به اختلالات اسکلتی- عضلانی مرتبط با رانندگی توصیه می گردد.
 

---

مقدمه: در سال‌های اخیر خواب‌آلودگی راننده یکی از دلایل اصلی تصادفات جاده‌ای می‌باشد که می‌تواند منجر به صدمات فیزیکی، مرگ‌ومیر و تلفات قابل‌توجه اقتصادی شود. آمارها نشان می‌دهد که به یک سیستم مناسب برای آشکارساز وضعیت خواب‌آلودگی راننده موردنیاز می‌باشد، به‌طوری‌که بتواند قبل از اینکه رویداد ناگواری اتفاق بیافتد هشدار لازم را بدهد. لذا این مطالعه مروری با هدف بررسی مطالعات سنسورهای تشخیص‌دهنده خواب‌آلودگی راننده و ارائه روش‌های ترکیبی تشخیصی و طرح مدل کارآمد انجام گرفت.
روش کار: این مطالعه مروری توصیفی از طریق یک جستجوی نظام‌مند و با استفاده از کلیدواژه‌های رانندگان و تشخیص خواب‌آلودگی در پایگاه‌های داده بین‌المللی شامل Scopus, Pubmed و  Web of Scienses انجام گرفت که شامل جدیدترین تحقیقات انجام‌شده مرتبط در این زمینه از سال 2005 تا سپتامبر 2021 بود. همچنین لیست منابع مطالعات نهایی برای یافتن مطالعات بیشتر بررسی شد تا روش‌ها و مطالعات خاص (تیپیک) مورد اشاره واقع شوند و با یکدیگر مقایسه شوند.
یافته ها: به‌طورکلی محققان خواب‌آلودگی راننده را با استفاده از سه روش انـدازه‌گیری بر اساس وسیله نقلیه، اندازه‌گیری رفتاری و اندازه‌گیری فیزیولوژیکی مورد ارزیابی قرار می‌دهند. جزئیات و نحوه انجام این اندازه‌گیری‌ها تأثیر و تفاوت زیادی روی سیستم‌های موجود ایجاد می‌کند. در این مطالعه مروری، هر سه اندازه‌گیری ذکرشده با استفاده از سنسورهای معین بررسی و همچنین مزیت‌ها و محدودیت‌های هر کدام موردبحث قرار گرفت. مقایسه شرایط رانندگی واقعی و شبیه‌سازی‌شده نیز موردبحث قرار گرفت. همچنین راه‌های مختلفی که میزان خواب‌آلودگی را به‌صورت آزمایشگاهی نشان می‌دهد، موردبررسی قرار گرفت. درنهایت پس از مقایسه تحلیلی بین روش‌های تشخیص خواب‌آلودگی، یک دیاگرام پیشنهادی برای ارائه مدل کارآمد که به‌صورت ترکیبی بود ارائه شد.
نتیجه گیری: به‌طورکلی می‌توان بیان داشت که با توجه به محدودیت‌های هریک از روش‌ها، نیاز است که با طراحی سیستم آشکارساز خواب‌آلودگی که ترکیبی از معیارهای رفتاری، عملکردی و سایر اندازه‌گیری‌ها است، بتوان به‌دقت سطح هوشیاری راننده را مشخص کرد. درنهایت این مدل ترکیبی (کارآمد) باید در محیط شبیه‌سازی ساخته و تست شده باشد تا با ارسال هشدار به راننده‌ای خواب‌آلود از تعداد تصادفات جاده‌ای اجتناب شود.

---

مقدمه: هوش مصنوعی (AI) و دیجیتالی شدن در افزایش سلامت و ایمنی شغلی (OHS)، کاهش حوادث محل کار، بهبود شرایط و افزایش بهره‌وری سازمانی نقش اساسی دارند. این مطالعه به بررسی تأثیرات، چالش‌ها و فرصت‌های این فناوری‌ها در ایمنی محل کار می‌پردازد.
روش کار: این مطالعه مروری روایتی، با جستجو در پایگاه‌های Google Scholar، PubMed، IEEE Xplore و ScienceDirect (۲۰۱۳ تا ژانویه ۲۰۲۵) و استفاده از کلیدواژه‌هایی نظیر «هوش مصنوعی در ایمنی شغلی»، انجام شد. از ۱۲۵ مقاله غربال‌گری شده، ۷۱ مورد بر اساس معیارهای ورود (مقالات فارسی/انگلیسی) انتخاب و با تحلیل محتوای کیفی، چالش‌ها و فرصت‌ها استخراج شدند.    
یافته ها: هوش مصنوعی در پیش‌بینی حوادث، نظارت، بهینه‌سازی فرآیند و تحلیل چالش‌های بهداشت، ایمنی و محیط زیست مورد استفاده قرار گرفته است. با تجزیه و تحلیل داده‌های تاریخی و الگوهای خطر، هوش مصنوعی امکان کاهش ریسک پیشگیرانه را فراهم می‌کند. یادگیری مداوم در مدل‌های هوش مصنوعی، دقت پیش‌بینی و سازگاری محیطی را افزایش می‌دهد. با این حال، مسائل مربوط به کیفیت داده‌ها همچنان پابرجاست؛ تکنیک‌هایی مانند یادگیری انتقالی، راه‌حل‌های بالقوه‌ای ارائه می‌دهند. اتوماسیون مبتنی بر هوش مصنوعی، خطای انسانی را کاهش می‌دهد، اما چالش‌ها شامل نگرانی‌های اخلاقی و شکاف‌های زیرساختی هستند.
نتیجه گیری: هوش مصنوعی و فناوری‌های دیجیتال از طریق تجزیه و تحلیل پیش‌بینی‌کننده و نظارت بلادرنگ، بهداشت حرفه‌ای و ایمنی شغلی را متحول می‌کنند. برای بهره‌برداری کامل از این مزایا، تلاش‌های آینده باید بر پرداختن به مسائل کیفیت داده‌ها، ایجاد چارچوب‌های اخلاقی قوی و توسعه زیرساخت‌های پیشرفته متمرکز شوند. تحقیقات بیشتر برای پیاده‌سازی عملی هوش مصنوعی در محیط‌های کاری مختلف ضروری است.