机器学习模型,以尽量减少屠宰场工人与工作相关的肌肉骨疾病的恶化
Hercules José Marzoque1, Marcelo Linon Batista2, Irenilza de Alencar Nääs1
1University Paulista, Department Graduate Program in Production Engineering, São Paulo, Brazil.
Work (Reading, Mass.)
|April 28, 2025
概括
机器学习模型预测屠宰场工人中与工作相关的肌肉骨疾病 (WMSDs) 的恶化. 关键的风险因素包括长时间的病假,延长的工作时间和工作角色的变化,有助于预防策略.
科学领域:
- 职业健康 职业健康 职业健康
- 数据挖掘 数据挖掘
- 机器学习 机器学习
背景情况:
- 与工作相关的肌肉骨疾病 (WMSDs) 在巴西屠宰场中普遍存在,原因是重复和艰苦的任务.
- 长时间站立,有力的动作和重复的动作是该行业WMSD的主要原因.
研究的目的:
- 使用数据挖掘技术,开发用于屠宰场工人的WMSD恶化的预测模型.
- 确定导致WMSD在这个职业群体中恶化的关键因素.
主要方法:
- 利用来自开源政府数据库的数据,包括组织,人口,物理和健康属性.
- 应用描述性统计和随机森林算法用于数据处理和分类WMSD恶化.
- 根据已识别的风险因素开发了三种树集预测模型.
主要成果:
- 通过开发的预测模型,实现了高精度 (95.3%) 和kappa (0.93).
- 确定了特定的风险因素:长时间的病假 (>1642.5天),延长的工作时间 (>1980天) 和在24.5岁以上的女性 (>1620天) 中保持相同的职能.
- 使用"如果然后"规则描述的模型,突出了导致高WMSD恶化风险的因素组合.
结论:
- 机器学习模型可以有效地识别数据中的模式和关系,以预测WMSD风险恶化.
- 这些模型为高风险职业环境中的积极干预和预防策略提供了有价值的工具.
- 基于已识别的风险因素的有针对性的干预措施可以帮助缓解屠宰场工人中WMSD恶化的情况.
