فصلنامه بهداشت و ایمنی کار

---

مقدمه: شیوع بیماری کووید-19 تاثیر عمده ای بر محیط های کاری و همچنین نیروی کار داشته است، در نتیجه شناسایی مهم ترین راهکارها و استراتژی های پیشگیرانه و کنترلی و سنجش کارایی آنها اهمیت ویژه ای دارند. مطالعات مختلف نشان داده اند که روش های هوش مصنوعی می‌توانند برای پیش بینی مسائل پیچیده و غیر خطی از جمله پیش بینی رفتار انواع بیماری ها نظیر بیماری کووید-19 و پارامتر های مؤثر بر آن مفید واقع شوند. هدف از این مطالعه بررسی تأثیر اقدامات پیشگیرانه و رفتار های بهداشتی در پیشگیری از بیماری کووید-19 در محیط های شغلی با استفاده از مدل های یادگیری ماشین مختلف بوده است.
روش کار: بدین منظور، اطلاعات جمعیت شناسی و رفتارهای بهداشتی افراد در یک صنعت پالایش نفت جمع آوری گردید. سپس مدل چند لایه پرسترون (MLP) ، تابع پایه شعاعی (RBF) و ماشین بردار پشتیبان (SVM) به منظور بهبود تجزیه تحلیل تاثیرات اقدامات پیشگیرانه بر روی عفونت کووید-19 مقایسه شدند. در نهایت، مهم‌ترین عوامل مؤثر بر احتمال ابتلا به بیماری کووید-۱۹ با استفاده از تحلیل آنالیز حساسیت تعیین شدند.   
یافته ها: نتایج نشان داد دقت بدست آمده در پیش‌بینی تأثیر اقدامات پیش‌گیری‌کننده و رفتارهای بهداشتی بر بیماری کووید-19 در محیط‌های شغلی 1/78%، 2/81% و 1/78% به ترتیب برای MLP، RBF و SVM است و مدل RBF به عنوان دقیق ترین مدل برای پیش بینی میزان تأثیر رفتارهای بهداشتی بر بیماری کووید-19 عمل می کند. علاوه بر این، میزان فاصله اجتماعی با مشتریان، دفعات شست و شوی دست ها و ضد عفونی کردن دست ها، وجود مواد شوینده و ضد عفونی کننده برای دست ها و سطوح در محل کار و  تجمع برای خوردن غذا و میان وعده مهم ترین رفتار های بهداشتی مؤثر بر شیوع کووید-19 در محل کار شناسایی شدند.
نتیجه گیری: این مطالعه نشان داد توجه به اقدامات پیشگیرانه و رفتارهای بهداشتی در پیشگیری از بیماری کووید-19 موثر بوده است. علاوه برآن استفاده از الگوریتم یادگیری ماشین و ابزارهای بدست آمده از آن همچون سیستم پشتیبانی تصمیم گیری (DSS)  می توانند ابزاری قدرتمند در جهت مدیریت هرچه بهتر اقدامات کنترلی در محیط های کاری باشند.