دوره 25، شماره 3 - ( دو ماهنامه طب جنوب 1401 )
جلد 25 شماره 3 صفحات 260-250 |
برگشت به فهرست نسخه ها
محمدامین موعودی1 
، آرزو سماک امانی* 2، کیوان قزلباش3 ، مهدی قهاری4 ، تهمینه کبریائی‌نسب5
، آرزو سماک امانی* 2، کیوان قزلباش3 ، مهدی قهاری4 ، تهمینه کبریائی‌نسب5
1- گروه مهندسی بهداشت حرفه‌ای، دانشکده بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی مازندران
2- گروه مهندسی بهداشت حرفه‌ای، دانشکده بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی مازندران ، arezoo.sam76@yahoo.com
3- گروه مهندسی کامپیوتر_ هوش مصنوعی/ رباتیک، مؤسسه آموزش عالی روزبهان
4- گروه مهندسی بهداشت حرفه‌ای، دانشکده بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی صدوقی یزد
5- گروه HSE، دانشکده نفت آبادان (شهیدتندگویان)، دانشگاه صنعت نفت
2- گروه مهندسی بهداشت حرفه‌ای، دانشکده بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی مازندران ، arezoo.sam76@yahoo.com
3- گروه مهندسی کامپیوتر_ هوش مصنوعی/ رباتیک، مؤسسه آموزش عالی روزبهان
4- گروه مهندسی بهداشت حرفه‌ای، دانشکده بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی درمانی صدوقی یزد
5- گروه HSE، دانشکده نفت آبادان (شهیدتندگویان)، دانشگاه صنعت نفت
چکیده: (1067 مشاهده)
زمینه: اثرات زیان‌آور اختلالات اسکلتی- عضلانی در بهره‌وری و سلامت عمومی در سرتاسر جهان تأثیرگذار هستند. این اختلالات در میان کارکنان اداری و کاربران رایانه در اندام‌های فوقانی، از جمله گردن و کمر شایع‌تر می‌باشند. این مطالعه با هدف بررسی اختلالات اسلکتی عضلانی انجام گردید.
مواد و روش‌ها: این مطالعه مقطعی در سال 1399 انجام شد. کلیه 256 نفر از کارکنان اداری شرکت ملی گاز ایران منطقه 9 عملیات انتقال گاز پرسنلی انتخاب گردیدند. پرسشنامه CMDQ بین افراد توزیع و پس از تکمیل آن‌ها مورد بررسی قرار گرفت. اطلاعات حاصله از پرسشنامه‌ها در نرم‌افزار SPSS ویرایش 25 وارد و همبستگی و روابط بین اطلاعات دموگرافیک با میزان شیوع ناراحتی در اندام‌های مختلف تعیین گردید. همچنین اطلاعات توسط هوش مصنوعی (یادگیری ماشین)، بررسی و ارزیابی گردید.
یافته‌ها: 229 نفر از افراد این پژوهش مرد و 27 نفر زن بودند. میانگین سن و شاخص توده بدنی افراد به‌ترتیب 15/6±3/38 و 73/4±2/27 به‌دست آمد. بیشترین امتیاز در پرسشنامه 1023 بدست آمد. بیشترین ناراحتی در اندام‌های فوقانی،کمر (85/11 درصد) و کمترین بار ناراحتی در ساعد راست (33/1 درصد) وجود داشت. امتیاز 367 به بالا توسط هوش مصنوعی (یادگیری ماشین) به‌عنوان ناحیه بحرانی تعیین گردید.
نتیجه‌گیری: مهم‌ترین اولویت‌های اختلالات اسکلتی - عضلانی در ناحیه گردن، سپس کمر و قسمت فوقانی پشت بوده است. با توجه به اختلالات اسکلتی- عضلانی در افراد، کنترل و پیشگیری از جمله ارائه آموزش‌های Back school، آگاهی کارکنان از پوسچرهای مناسب کاری و طراحی ایستگاه‌های کاری ارگونومی (نشسته/ ایستاده و ایستاده) ضروری به‌نظر می‌رسد.
مواد و روش‌ها: این مطالعه مقطعی در سال 1399 انجام شد. کلیه 256 نفر از کارکنان اداری شرکت ملی گاز ایران منطقه 9 عملیات انتقال گاز پرسنلی انتخاب گردیدند. پرسشنامه CMDQ بین افراد توزیع و پس از تکمیل آن‌ها مورد بررسی قرار گرفت. اطلاعات حاصله از پرسشنامه‌ها در نرم‌افزار SPSS ویرایش 25 وارد و همبستگی و روابط بین اطلاعات دموگرافیک با میزان شیوع ناراحتی در اندام‌های مختلف تعیین گردید. همچنین اطلاعات توسط هوش مصنوعی (یادگیری ماشین)، بررسی و ارزیابی گردید.
یافته‌ها: 229 نفر از افراد این پژوهش مرد و 27 نفر زن بودند. میانگین سن و شاخص توده بدنی افراد به‌ترتیب 15/6±3/38 و 73/4±2/27 به‌دست آمد. بیشترین امتیاز در پرسشنامه 1023 بدست آمد. بیشترین ناراحتی در اندام‌های فوقانی،کمر (85/11 درصد) و کمترین بار ناراحتی در ساعد راست (33/1 درصد) وجود داشت. امتیاز 367 به بالا توسط هوش مصنوعی (یادگیری ماشین) به‌عنوان ناحیه بحرانی تعیین گردید.
نتیجه‌گیری: مهم‌ترین اولویت‌های اختلالات اسکلتی - عضلانی در ناحیه گردن، سپس کمر و قسمت فوقانی پشت بوده است. با توجه به اختلالات اسکلتی- عضلانی در افراد، کنترل و پیشگیری از جمله ارائه آموزش‌های Back school، آگاهی کارکنان از پوسچرهای مناسب کاری و طراحی ایستگاه‌های کاری ارگونومی (نشسته/ ایستاده و ایستاده) ضروری به‌نظر می‌رسد.
فهرست منابع
1. Afifehzadeh-Kashani H, Choobineh A, Bakand S, et al. Validity and Reliability Farsi Version Cornell Musculoskeletal Discomfort Questionnaire (CMDQ). Iran Occup Health 2011; 7(4): 10-0. (Persian) [Article]
2. Showraki N, Fakhraei F, Saadatmand N, et al. Effects of Teaching Ergonomic Principles on Working Status in Dental Students. Iran South Med J 2019; 22(2): 130-140. (Persian) [Article]
3. Sohrabi M, Faridizad AM, Farasati F. Comparing Results of Musculoskeletal Disorders Evaluation in Computer Users with CMDQ, RULA and ROSA Methods. J Ilam Uni Med Sci 2015; 23(4): 53-62. (Persian) [Article]
4. Mohammadian Mastan M, Motamedzade M, Faradmal J. Investigating the Correlations of results of three methods OCRA Index, Strain Index, ACGIH HAL to evaluate the risk of upper extremity musculoskeletal disorders. Iran J Ergon 2013; 1(2): 63-71. (Persian) [Article]
5. Mououdi MA, Shokrolahi I, Shahpuri R, et al. Ergonomically Adjustable Laptop Desk Designed Based on Anthropometric Characteristics of 20-30Year-Old Students of Mazandaran University of Medical Sciences. Iran J Ergon 2017; 5(2): 55-60. (Persian) [Article]
6. David GC. Ergonomic methods for assessing exposure to risk factors for work-related musculoskeletal disorders. Occup Med (Lond) 2005; 55(3): 190-9. [DOI]
7. Motamedzadeh M, Golmohamadi R, Soultanian A, et al. The prevalence of musculoskeletal disorders as examined by the Hand Activity Level and Threshold Limit Value (HAL-TLV) method and the Human Body Map and the implementation of an ergonomic intervention at a tea factory. J Occup Hyg Eng 2015; 2(2): 62-71. (Persian) [Article]
8. Azad P, Choobineh A, Ghaffari F. Musculoskeletal Disorders Risk Assessment in Patient Transfers among Nurses in a hospital in Tehran Using MAPO Technique and provide control measures. J Occup Hyg Eng 2017; 3(4): 38-45. (Persian) [Article]
9. Poole D, Mackworth A, Goebel R. Computational Intelligence. New York: Oxford University Press, 1998, 1-576.
10. Nilsson NJ. Artificial intelligence: a new synthe Burlington, Massachusetts: Morgan Kaufmann, 1998, 1-514.
11. Legg S, Hutter M. A collection of definitions of intelligence. FAIA 2007; 157: 17-24. [Article]
12. Russell S, Norvig P. Artificial intelligence: a modern approach. 2nd ed. New Jersey: Prentice Hall, 2002, 1-1112.
13. Everitt BS, Landau S, Leese M, et al. Cluster analysis. 5th ed. Hobok : John Wiley, 2011, 1-352.
14. Mirmohammadi SJ, Mehrparvar AH, Soleimani H, et al. Musculoskeletal disorders among video display terminal (VDT) workers comparing with other office workers. Iran Occup Health 2010; 7(2): 11-4. (Persian) [Article]
15. Khakkar S, FarhangDehghan S, HajiEsmaeilHajar F, et al. Prevalence of musculoskeletal disorders among the office staff of a communication service company and its relationship to work load and occupational fatigue. J Prevent Med 2018; 5(1): 1-11. (Persian) [Article]
16. Nadri H, Nadri A, Khanjani N, et al. Evaluating the Factors Effective on Musculoskeletal Disorders among the Employees of one of Qazvin’s Governmental Offices. Health Dev J 2013; 2(2): 106-116. (Persian) [Article]
17. Gorgi Z, Assadollahi Z, Ghaffarian A, et al. The Prevalence of Musculoskeletal Disorders in the Employees of Office Systems at Rafsanjan University of Medical Sciences in 2012. J Rafsanjan Uni Med Sci 2014; 12(12): 991-1002. (Persian) [Article]
18. Akbari J, Kazemi M, Mazareie A, et al. The Ergonomic assessment of exposure to risk factors that cause musculoskeletal disorders in Office workers by using ROSA. J Ilam Uni Med Sci 2017; 25(2): 8-17. (Persian) [Article]
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |