首页 文献索引 SCI期刊 AI助手
首页 正文

Work (Reading, Mass.). 2025 May 29:10519815251346478. doi: 10.1177/10519815251346478 Q31.52025

Ergonomic design for optimizing work-related strains and enhancing patient safety in the healthcare environment

针对医疗环境中优化工作相关压力和增强患者安全的人体工程学设计 翻译改进

Abdulmajeed Azyabi  1, Abdulrahman Khamaj  1, Abdulelah M Ali  1, Saleh Y Alghamdi  2, Ahmed Hamzi  1, Emad Ghandourah  3, Mohammad Tauheed Ahmad  4

作者单位 +展开

作者单位

  • 1 Industrial Engineering Department, College of Engineering & Computer Science, Jazan University, Jazan, Saudi Arabia.
  • 2 Department of Industrial Engineering, College of Engineering, King Khalid University, Abha, Saudi Arabia.
  • 3 Nuclear Engineering Department, King Abdulaziz University, Jeddah, Saudi Arabia.
  • 4 College of Medicine, King Khalid University, Abha, Saudi Arabia.

    • DOI: 10.1177/10519815251346478 PMID: 40440182

    摘要 中英对照阅读

    BackgroundWork-related musculoskeletal disorders (MSDs) pose a significant occupational health challenge for healthcare professionals, affecting both workforce efficiency and patient safety. The physical demands of healthcare roles, particularly post-COVID-19, have increased strain on workers, necessitating advanced ergonomic solutions. Traditional ergonomic assessment methods often fail to provide comprehensive, data-driven insights, highlighting the need... ...点击完成人机验证后继续浏览

    背景：与工作相关的肌肉骨骼疾病（MSDs）对医疗专业人员的职业健康构成了重大挑战，影响了工作效率和患者安全。特别是在新冠疫情之后，医疗角色的物理要求增加了对工人的压力，需要更先进的人体工程学解决方案。传统的评估方法往往无法提供全面的数据驱动见解，这表明有必要采用更加综合的方法。

    目的：本研究旨在开发一种新颖的数据包络分析（DEA）和随机森林（RF）建模框架，以增强医疗环境中的人体工程学风险评估。通过结合DEA的效率评估与RF的预测建模能力，该方法旨在提供更精确、可扩展且基于数据的解决方案，优化人体工程学设计并提高患者安全。

    方法：DEA-RF框架系统地使用DEA评估人体工程学效果，同时利用RF增强预测准确性，从而实现主动的风险缓解。该模型在真实的人体工程学数据上进行了测试，并根据准确率、精确度、召回率、F值、错误率和计算效率对其性能进行了评估。

    结果：模型表现出优越的性能，在准确率（98.96%）、精确度（99.27%）、召回率（98.87%）以及F值（98.82%）方面均达到了较高水平，同时错误率为1.07%，计算效率为2.2秒。这些发现验证了所提出的框架在降低MSD风险和提高患者安全方面的可靠性和实际应用性。

    结论：本研究提出了一种可扩展且适应性强的基于证据的人体工程学评估方法，适用于医疗管理人员、设施设计师以及政策制定者。通过将效率评估与预测分析相结合，DEA-RF框架推进了人体工程学评估的方法论，并为未来智能数据驱动的职业健康策略奠定了基础。

    关键词：医疗人体工程学；人机工程学；患者安全改进；随机森林分类器；重复性劳损伤害；工作相关肌肉骨骼疾病；工作风险。

    翻译效果不满意？ 用Ai改进或 寻求AI助手帮助 ，对摘要进行重点提炼
    Copyright © Work (Reading, Mass.). 中文内容为AI机器翻译，仅供参考！

    相关内容

    期刊名：Work-a journal of prevention assessment & rehabilitation

    缩写：

    ISSN：1051-9815

    e-ISSN：1875-9270

    IF/分区：1.5/Q3

    文章目录 更多期刊信息

    全文链接
    官方链接
    PMC全文
    引文链接
    复制
    已复制！
    推荐内容
    Ergonomic design for optimizing work-related strains and enhancing patient safety in the healthcare environment