اختر برنامجك واشترى
محاولة شهر واحد مجانا مع 10 تراخيص.
من آجل من الحساب؟
مرحبا بك على CogniFit! مرحبًا بكم في كوجنيفيت للباحثين! CogniFit Healthcare عزز عملك مع CogniFit! CogniFit Employee Wellbeing

سوف تقوم بإنشاء حساب شخصي. تم تصميم هذا النوع من الحسابات لمساعدتك على اختبار مهاراتك المعرفية وتدريبها.

ستقوم بإنشاء حساب إدارة المريض. تم تصميم هذا الحساب لمساعدة المهنيين الصحيين (الأطباء وعلماء النفس...) في التشخيص والتحفيز المعرفي.

ستقوم بإنشاء حساب عائلي. تم تصميم هذا الحساب لمنح حق الوصول إلى تقييمات كوجنيفيت وتدريب أفراد عائلتك.

سوف تقوم بإنشاء حساب بحث. تم تصميم هذا الحساب خصيصًا لمساعدة الباحثين في دراساتهم في المجالات المعرفية.

ستقوم بإنشاء حساب إدارة الطلاب. تم تصميم هذا الحساب للمساعدة في تشخيص الاضطرابات المعرفية والتدخل فيها عند الأطفال والطلاب الصغار.

ستقوم بإنشاء حساب إدارة الشركة. تم تصميم هذا الحساب لمنح موظفيك إمكانية الوصول إلى تقييمات وتدريب كوجنيفيت.

ستقوم بإنشاء حساب مطور. هذا الحساب مصمم لدمج منتجات كوجنيفيت داخل شركتك.

loading

لاستخدامك (من 16 عاماً). يستطيع الأطفال الأصغر من 16 عاما أن يستخدموا برنامج كوجنيفيت للأسر.

عندما تقوم بالتسجيل وإستعمال CogniFit ,تكون قد قبلت ما قرأته, فهمته, وأنك موافق على, شروط الإستعمال و سياسة خصوصية CogniFit.

قم بمسح رمز الاستجابة السريعة أدناه بهاتفك للتسجيل من خلال تطبيق الهاتف المحمول الخاص بنا للحصول على الراحة القصوى والوصول أثناء التنقل!

تعزيز تجربتك!

إذا لم يكن هاتفك المحمول في متناول يديك، قم بالتسجيل هنا

للتمتّع بتجربة جيّدة في هذا الجهاز، حمّل تطبيقنا.

Huawei App Gallery

إذا لم يكن هاتفك المحمول في متناول يديك، قم بالتسجيل هنا

corporativelanding_STUDY-FATIGUE-ASSESS-NAVY-PILOTS_social_picture

توقع الفروق الفردية في الاستجابة لفقدان النوم: تطبيق التقنيات الحالية

دراسة علمية في التقييم المعرفي لتعب الطيّارين.

تكون الصفحة هذه للعلم فقط. لا نبيع أي منتج لعلاج الأمراض. تكون منتجات كوجنيفيت لعلاج الأمراض على عملية الإثبات الآن. إذا كنت تهتم به، اذهب إلى برنامج البحث لكوجنيفيت
  • أدر مرضى البحث من برنامج الباحثين

  • قيّم ودرّب 23 مهارة معرفية لمشاركي دراستك

  • حقّق وشبّه التقدّم المعرفي للمشاركين لمعلومات دراستك

البدء الآن
loading

الإسم الأصلي:Predicting Individual Differences in Response to Sleep Loss: Application of Current Techniques.

المؤلّفون: Joseph F. Chandler1, Richard D. Arnold1, Jeffrey B. Phillips1, Ashley E. Turnmire1.

  • 1. Naval Medical Research Unit.

المجلّة:Aviation, Space and Environmental Medicine (2013), vol. 84 (9): 927-937.

اذكر هذه المقالة على شكل APA:

  • Chandler, J. F., Arnold, R. D., Phillips, J. B., Turnmire, A. E. (2013). Predicting Individual Differences in Response to Sleep Loss: Application of Current Techniques. Aviat Space Environ Med., vol.84, pp.927-937.

نتيجة الدراسة

يقيس كوجنيفيت متغيرات مهمّة لتوقّع الأداء الفردي للمستخدمين أمام التعب. إنّه يساعد على تخفيض خطر الحادث عند الطيّارين العسكريّين والمدنيّين، لأنّ التعب متغير متواتر عند حوادث مختلفة. إنّه يتضمّن متغيرات مثل زمن الكمون (p=0.009)، الذاكرة قصيرة المدى (p=0.023)، الانتباه المقسّم (p=0.026) أو اللدونة المعرفية (p=0.002) عند أنماط التوقّع يتغيّر نسبة المتغير من 13,8% إلى 35,7%.

ملخص الدراسة

التعب أحد العوامل الرئيسية التي تعرض للخطر أمن النقل العسكري. قد تمّ أنماطاً تتوقّع الجواب للتعب، ولكنّها ليست دقيقة جدّاً، لأنّها لا تتضمّن الخلافات الفرديةالمتعلّقة بالحساسية للتعب. في المقابل، يعتبر أنّ قدرة هذه الأنماط على التوقع قد تتحسّن إذا كنّا نفعل قياسات معرفية بأدوات مثل كوجنيفيت وأدوات عينيّة-متريّة تتضمّن الخلافات الفردية.

قد قيست المتغيرات المعرفية والعينيّة-المترية المختلفة بعد استراحة المشاركين وكلّ 3 ساعات خلال 25 ساعة السهر (هكذا قد حصل على درجة المجموعة والفردية). قد شبّه الأداء الواقع بالأداء المتوقّع. قد أشارت النتائج إلى أنّ إضافة هذه القياسات للأنماط الموجودة قد شرحت المتغير بنسبة من 13,8% إلى 35,7%. إنّه يعني أنّ استخدام كوجنيفيت وقياسات أخرى لكشف الخلافات الفردية، يتحسّن توقّع الأداء خلال التعب، وبالتالي، يتحسّن الأمن.

السياق

التعب المسبّب بعدم النوم أحد الأخطار الرئيسية التي يواجه النقل العسكري والمدنيّ. مبدئيّاً، حلّ هذه المشاكل هو النوم أو الأدوية. ولكن، إنّه ليس كافياً أحياناً. نستطيع أن نتّقيه من خلال توقّع أداء الشخص أو بقياس قدرة المستخدم على الفعل في الوقت المناسب. فعالية هذا نمط التوقّع متوسّطة.

سبب عدم النجاح (قابل للمناقشة) لهذا النمط هو أنّه يفترض أنّ جميع الأفراد لديهم نظم يوميّ وجواب للتعب مماثل، بينما تشير الدراسات إلى أنّ الخلافات الفردية في هذه المجالات مهمّة جدّاً.بعض الجوانب التي تتدخّل في هذا الجواب للتعب هي العمل المعرفي للفرد.

وبالتالي، نتوقّع زيادة فعالية النمط المتوقّع إذا كنّا نضيف قياسات تتضمّن الخلافات الفردية، مثل القياسات المعرفية أو العينيّة-المتريّة.

المنهجية

المشاركون

كان المشاركون 15 متطوّعاً للجيش (وهم 13 رجلاً و امرأتين عمرهم بين 24.7 و21.5 عامّاً). قد جاء المشاركون من برنامج (Naval Aviation Preflight Indoctrination (API على متن Naval Air Station Pensacola. للمشاركة في الدراسة، قد روقب استهلاك الكحول، الكافيين والتبغ، إضافةً إلى ذلك ينبغي ألا يعانون مشاكل عصبيّة أو متعلّقة بالنوم.

الإجراء

قد طبّق تصميم القياسات المتكررة لمعرفة تأثيرات عدم النوم في الأداء المعرفي والعينيّ-المتريّ عند المجموعة والفرد. في المقام الأوّل تسجّل الخط الأصلي وبعد ذلك جمع معلومات خلال عدم النوم.

التحليل الإحصائيّ

قد تمّ التحليل بثلاث خطوات:

  • الخطوة الأولى: تمّ سلسلة ANOVAs لكلّ معيار ومتغير متوقّع يقيس في كلّ اختبار. هكذا، تمّ تحديد المتغيرات التي تغيّرات خلال الوقت.
  • الخطوة الثانية: تمّ أنماطاً خطيّاً هرميّاً بتأثيرات محدّدة وعشوائيّة لتوقّع عندما تؤدّي التعب إلى أداء منخفض وكشف الخلافات في تحليل المجموعة. كشفنا تأثير المجموعة (p<0,05) وخلافات فرديّة في هذا التأثير العامّ (0<0,05). بعد ذلك، تمّ نمطاً خطيّاً هرميّاً آخرلمعرفة المتغيرات المتوقّعة التي تشاركت في التغيّر التفسيريّ في المستوى الإحصائي والعلاقة في المستوى المعنويّ.
  • الخطوة الثالثة: تمّ أنماطاً خطيّة عامّة من المتغيرات المتوقّعة المهمّة للخطوة السابقة. بحثنا عن معرفة القدرة المتوقّعة للنمط اعتباراً لالعوامل المعرفية والعينيّة-المتريّة.

النتائج

في الخطوة الأولى لتحليل النتائج، قد حصلنا على تأثيرات المجموعة. قد لاحظنا أنّ النتائج مهمّة في زمن الكمون (p=0.009)، الذاكرة قصيرة المدى (p=0.023)، الانتباه المقسّم (p=0.026) واللدونة المعرفية (p=0.002). بسبب التعب، تتخفض أداء هذه المهارات المعرفية، لذلك قد اعتبرناها كمتغيرات متوقّعة في الخطوة التالية.في الخطوة الثانية للتحليل، قد حصلنا على الخلافات الفرديةمن خلال العلاقات المهمّة بين المتغيرات بتأثيرات محددّة أو عشوائيّة.في الخطوة الثالثةلتحليل المعلومات، قد لاحظنا أنّ عندما استخدمنا قياسات التوقّع العادية، قد شرح التوقّع نسبة 13,8% من التغيّر. في المقابل، بإضافة المتغيرات المعرفية المهمّة، قد شرح التوقّع نسبة 35,7% من التغيّر.

تشير هذه النتائج إلى أنّ إضافة المتغيرات المتعلّقة بالتعب إلى الأنماط المتوقّعة العادية، مثل التي يقيسها كوجنيفيت، تساعد على التوقّع بدقّة عندما يؤثّر التعب في الأداء. تساعد معرفة هذه المعلومات على وقاية الحوادث واتّخاذ تدابير الاحتياط عند المجالات الهوائية العسكرية والمدنية.

أكتب بريدك الإلكتروني