Archives of Occupational Health
آرشیو بهداشت حرفه ای
AOH
Basic Sciences
http://aoh.ssu.ac.ir
1
admin
2588-3070
2588-3690
en
jalali
1398
1
1
gregorian
2019
4
1
3
2
online
1
fulltext
en
بررسی ریسک فاکتورهای موثر در ایجاد درد ناحیه تحتانی کمر و استفاده از مدل فراابتکاری انفیس جهت پیش بینی درد در ناحیه تحتانی کمر
Risk Factors of Low Back Pain Using Adaptive Neuro-Fuzzy
تخصصي
Special
پژوهشي
Research
<strong>مقدمه: :</strong> اختلالات اسکلتی عضلانی یکی از شایع ترین بیماری های شغلی در کارکنان بیمارستان می باشد. با توجه به نقش کلیدی کارکنان بیمارستان ها در ارائه خدمات بهداشتی به بیماران، این مطالعه با هدف بررسی ریسک فاکتورهای موثر در ایجاد درد ناحیه تحتانی کمر و استفاده از مدل فراابتکاری انفیس جهت پیش بینی درد در ناحیه تحتانی کمر در پرستاران انجام شده است.<br>
<strong>روش کار: </strong>این مطالعه از نوع توصیفی_تحلیلی در سال 1397 بر روی 90 نفر از پرستاران انجام شده است. پس از بررسی ریسک فاکتورهای موثر در ایجاد درد در ناحیه تحتانی کمر، یک مدل جهت پیش بینی درد در ناحیه تحتانی کمر با استفاده از سیستم نوروفازی توسط نرم افزار <span dir="LTR">MATLAB2016a</span> بدست آمد.<br>
<strong>یافته ها:</strong> در ابتدا با استفاده از آزمون رگرسیون در نرم افزار <span dir="LTR">SPSS24 </span>، چهار ریسک فاکتور حرکات تکراری، ایستادن طولانی مدت، خمیدگی کمر و حمل و جابه جایی بار بیشترین معنا داری را نسبت به دیگر ریسک فاکتورهای مرتبط با اختلالات اسکلتی عضلانی نشان دادند. پس از بررسی این ریسک فاکتورها در سیستم نوروفازی، تست های مختلفی صورت گرفت و بهترین مدل با سطح اطمینان 91 درصد به عنوان مدل مورد نظر انتخاب گردید.<br>
<strong>بحث و نتیجه گیری: </strong>براساس یافته ها می­توان نتیجه گرفت که استفاده از مدل نوروفازی می­تواند به عنوان یک ابزار مناسب جهت پیش بینی در ناحیه تحتانی کمر مورد استفاده قرار گیرد.<br>
<strong>Background:</strong> Musculoskeletal disorders are one of the most common factors that lead to occupational injuries among hospital staff. Considering the key role of hospital staffs in providing health services to patients, this study was conducted to assess risk factors that are effective on low back pain and the use of adaptive neuro-fuzzy inference system (ANFIS) model to predict it. <strong>Methods:</strong> This cross-sectional study was conducted in 90 nurses of the Isfahan hospitals in 2018. First, the risk factors that affect pain in the lumbar region was assessed, then a model with the precision of 0.91% to predict low back pain was developed using the ANFIS by the MATLAB2016a software. <strong>Results:</strong> First, linear regression model showed four risk factors repetitive movements, long-standing, bending of the back, and carrying heavy objects were the most significant ones compared to other risk factors associated with musculoskeletal disorders. After a study of these risk factors in the ANFIS, various tests were conducted and the best model with a confidence level of 91% was selected as the model. <strong>Conclusion:</strong> The ANFIS can be used as an appropriate tool to predict lower back pain.<br>
پیش بینی, پرستاران, سیستم نوروفازی (ANFIS), درد در ناحیه تحتانی کمر, اختلالات اسکلتی عضلانی
Musculoskeletal disorders, Nursing, Neuro-fuzzy system, Low back pain, Prediction
339
345
http://aoh.ssu.ac.ir/browse.php?a_code=A-10-111-1&slc_lang=en&sid=1
Sajjad
Samiei
سجاد
سمیعی
sajjadsamiei1994@yahoo.com