آذین نجفی، فریده گلبابایی، محسن صادقی یارندی، مهدی یاسری، رضا جهانی، سیده ریحانه شمس، صبا کلانتری،
دوره 15، شماره 3 - ( 7-1404 )
چکیده
مقدمه: مواجهه شغلی با ترکیبات آلی فرار (BTEX) و فلزات سنگین در محیطهای صنعتی، نگرانیهای جدی از منظر سلامت شغلی ایجاد کرده است. این ترکیبات ممکن است منجر به اثرات سمی، سرطانزایی، و اختلالات خونی و بیوشیمیایی شوند. هدف این مطالعه، ارزیابی ریسکهای بهداشتی ناشی از مواجهه با این آلایندهها در یک صنعت تولید تجهیزات نیروگاهی طی یک دوره 10 ساله و مقایسه دقت روشهای کمی (USEPA) و نیمهکمی (سنگاپور) بوده است.
روش کار: این مطالعه بهصورت مقطعی در شش گروه شغلی انجام شد. نمونهبرداری فردی از ترکیبات BTEX و فلزات سنگین مطابق با روشهای NIOSH انجام گرفت. سپس ارزیابی ریسک سرطانزایی و غیرسرطانزایی با روش کمی سازمان حفاظت محیط زیست آمریکا (USEPA) و روش نیمهکمی سنگاپور محاسبه شد. علاوهبراین، شاخصهای خونی و بیوشیمیایی کارکنان نیز تحلیل گردید.
یافته ها: بیشترین ریسک سرطانزایی با نیکل و بالاترین مقدار ضریب خطر (HQ) مربوط به زایلن، بنزن و نیکل گزارش شد. درحالیکه اکثر ریسکها در روش نیمهکمی در سطح پایین طبقهبندی شدند، روش USEPA توانست موارد با ریسک قطعی را نیز شناسایی کند. شاخصهای SGOT، SGPT، FBS، کراتینین و فشار خون نیز نشان دادند کافراد تحت مواجهه با این ترکیبات قرار گرفته اند.
نتیجه گیری: نتایج این مطالعه نشان داد روش USEPA با دقت و حساسیت بالاتر، ابزار مناسب تری برای ارزیابی ریسک مواد شیمیایی در محیطهای کاری محسوب میشود. همچنین، توجه جدی به مواجهه مزمن با ترکیبات BTEX و فلزات و انجام اقدامات کنترلی مؤثر در صنایع مشابه مورد تأکید قرار میگیرد.
رقیه اسمعلی، الهام اخلاقی پیرپشته، علی عسکری، محسن پورصادقیان،
دوره 15، شماره 3 - ( 7-1404 )
چکیده
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.
