| dc.contributor.author | نظری, موسی | fa_IR |
| dc.contributor.author | سماک امانی, آرزو | fa_IR |
| dc.contributor.author | موعودی, محمد امین | fa_IR |
| dc.contributor.author | علیان نژادی, محمد مهدی | fa_IR |
| dc.date.accessioned | 1403-04-19T14:32:16Z | fa_IR |
| dc.date.accessioned | 2024-07-09T14:32:28Z | |
| dc.date.available | 1403-04-19T14:32:16Z | fa_IR |
| dc.date.available | 2024-07-09T14:32:28Z | |
| dc.date.issued | 2024-01-01 | en_US |
| dc.date.issued | 1402-10-11 | fa_IR |
| dc.identifier.citation | نظری, موسی, سماک امانی, آرزو, موعودی, محمد امین, علیان نژادی, محمد مهدی. (1402). پیش‌بینی اختلالات اسکلتی‌عضلانی بر اساس اطلاعات دموگرافیک افراد به کمک روش‌های هوش مصنوعی و پرسشنامهی CMDQ. مجله ارگونومی, 11(4), 261-271. | fa_IR |
| dc.identifier.issn | 1735-1960 | |
| dc.identifier.issn | 2345-5365 | |
| dc.identifier.uri | http://journal.iehfs.ir/article-1-993-fa.html | |
| dc.identifier.uri | https://iranjournals.nlai.ir/handle/123456789/1091310 | |
| dc.description.abstract | اهداف: اختلالات اسکلتی‌عضلانی مرتبط با کار (WMSDs) از معضلات مهم در کشورهای درحال‌توسعه و پیشرفته است و اکثر افراد در طول زندگی خود، با آن روبه‌رو هستند. با توجه به اثرهای زیان‌آور اختلالات اسکلتی‌عضلانی در بهره‌وری و سلامت عمومی کارکنان، این پژوهش با استفاده از پرسشنامهی اختلالات اسکلتی‌عضلانی کرنل (CMDQ) به‌منظور ارائه‌ی مدلی هوشمند برای تعیین سطح و پیش‌بینی اختلالات اسکلتی‌عضلانی انجام شد.
روش کار: در این مطالعه‌ی توصیفی‌تحلیلی، ۸۱۰ نفر از کارکنان پنج سازمان با چهار طبقه‌ی شغلی اداری، فنی، تولید و خدمات، داوطلبانه برای ارزیابی اختلالات اسکلتی‌عضلانی، پرسشنامهی اختلالات اسکلتی‌عضلانی کرنل (CMDQ) را تکمیل کردند. پس از جمع‌آوری داده‌های پرسش‌نامه‌ای و انجام تحلیل‌های آماری مرتبط، از نرمال‌سازی داده‌ها و خوشه‌بندی بر اساس روش K-Means برای تعیین سطوح اختلالات اسکلتی‌عضلانی استفاده شد. در نهایت، شبکه‌ی عصبی مصنوعی پرسپترون چندلایه برای پیش‌بینی سطح اختلالات اسکلتی‌عضلانی آموزش داده شد و معیارهای دقت، صحت، Recall و F۱-score برای ارزیابی مدل پیشنهادی به کار گرفته شدند.
یافته‌ها: نتایج عملکرد مدل پیشنهادی در پیش‌بینی سطح اختلالات اسکلتی‌عضلانی در دو حالت استفاده و عدم استفاده از روش SMOTE بر اساس معیارهای ارزیابی ارائه شده است. مقادیر صحت، دقت، Recall و F۱-score به‌ترتیب، برابر با ۰/۷۲۴، ۰/۷۰۹، ۰/۷۵۶ و ۰/۷۲۰ به دست آمد. مقدار مناسب صحت و دقت در مدل پیشنهادی نشان‌دهنده‌ی قابلیت آن در شناسایی سطح اختلالات اسکلتی‌عضلانی افراد و کمک به متخصصان حوزه‌ی بهداشت در شناسایی و اقدامات لازم برای پیشگیری و پیش‌بینی آن‌ها است.
نتیجه‌گیری: این مطالعه با استفاده از پرسشنامهی CMDQ و روش‌های هوش مصنوعی به تحلیل اختلالات اسکلتی‌عضلانی در محیط کار پرداخته است. مدل پیشنهادی در مقایسه با مطالعات مشابه، دارای دقت و صحت قابل توجهی است. نتایج نشان دادند که از این مدل می‌توان برای شناسایی و پیش‌بینی اختلالات اسکلتی‌عضلانی در کارکنان سازمان‌ها با امکان تسریع فرایند شناسایی و کاهش هزینه‌ها بهره برد. | fa_IR |
| dc.format.extent | 1455 | |
| dc.format.mimetype | application/pdf | |
| dc.language | فارسی | |
| dc.language.iso | fa_IR | |
| dc.publisher | انجمن ارگونومی و مهندسی عوامل انسانی ایران | fa_IR |
| dc.relation.ispartof | مجله ارگونومی | fa_IR |
| dc.relation.ispartof | Journal of Ergonomics | en_US |
| dc.subject | اختلالات اسکلتی‌عضلانی | fa_IR |
| dc.subject | CMDQ | fa_IR |
| dc.subject | هوش مصنوعی | fa_IR |
| dc.subject | شبکه‌ی عصبی | fa_IR |
| dc.subject | اختلالات اسکلتی-عضلانی | fa_IR |
| dc.title | پیش‌بینی اختلالات اسکلتی‌عضلانی بر اساس اطلاعات دموگرافیک افراد به کمک روش‌های هوش مصنوعی و پرسشنامهی CMDQ | fa_IR |
| dc.type | Text | en_US |
| dc.type | پژوهشي | fa_IR |
| dc.contributor.department | گروه علوم کامپیوتر، دانشکده‌ی علوم، دانشگاه علم و فناوری مازندران، مازندران، ایران | fa_IR |
| dc.contributor.department | گروه مهندسی بهداشت حرفه‌ای، دانشکده‌ی بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی‌درمانی مازندران، مازندران، ایران | fa_IR |
| dc.contributor.department | گروه مهندسی بهداشت حرفه‌ای، دانشکده‌ی بهداشت، دانشگاه علوم پزشکی و خدمات بهداشتی‌درمانی مازندران، مازندران، ایران | fa_IR |
| dc.contributor.department | گروه علوم کامپیوتر، دانشکده‌ی علوم، دانشگاه علم و فناوری مازندران، مازندران، ایران | fa_IR |
| dc.citation.volume | 11 | |
| dc.citation.issue | 4 | |
| dc.citation.spage | 261 | |
| dc.citation.epage | 271 | |
