ชื่อเรื่อง : การทำนายความแตกต่างระหว่างบุคคลในการตอบสนองต่อการนอนหลับไม่เพียงพอ: การประยุกต์ใช้เทคนิคปัจจุบัน

ผู้เขียน : Joseph F. Chandler 1, Richard D. Arnold 1, Jeffrey B. Phillips 1, Ashley E. Turnmire1

• 1. หน่วยวิจัยทางการแพทย์ของกองทัพเรือ

วารสาร : การบิน อวกาศ และการแพทย์สิ่งแวดล้อม (2013), เล่มที่ 84 (9): 927-937

การอ้างอิงถึงบทความนี้ (ตามรูปแบบ APA):

• Chandler, JF, Arnold, RD, Phillips, JB, Turnmire, AE (2013). การทำนายความแตกต่างระหว่างบุคคลในการตอบสนองต่อการนอนหลับไม่เพียงพอ: การประยุกต์ใช้เทคนิคปัจจุบัน วารสารการบิน อวกาศ และการแพทย์สิ่งแวดล้อม เล่มที่ 84 หน้า 927-937

ข้อสรุปของการศึกษา

CogniFit สามารถวัดตัวแปรที่เกี่ยวข้องอย่างมากเพื่อทำนายประสิทธิภาพการทำงานภายใต้ความเหนื่อยล้าของผู้ใช้แต่ละคน ซึ่งสามารถช่วยลดความเสี่ยงของการเกิดอุบัติเหตุสำหรับนักบินทหารและพลเรือน เนื่องจากความเหนื่อยล้าเป็นตัวแปรที่เกิดขึ้นซ้ำๆ ในอุบัติเหตุหลายประเภท การรวมตัวแปรบางอย่าง เช่น เวลาตอบสนอง (p=0.009) ความจำระยะสั้น (p=0.023) การแบ่งความสนใจ (p=0.026) หรือการเปลี่ยนความสนใจ (p=0.002) ในแบบจำลองการทำนาย ทำให้เปอร์เซ็นต์ของความแปรปรวนที่อธิบายได้เพิ่มขึ้นจาก 13.8% เป็น 35.7%

สรุปผลการศึกษา

ความเหนื่อยล้าเป็นหนึ่งในปัจจัยหลักที่ทำให้ความปลอดภัยตกอยู่ในความเสี่ยงระหว่างการขนส่งทางทหาร มี การสร้างแบบจำลองเพื่อทำนายการตอบสนองต่อความเหนื่อยล้าแล้ว แต่ ยังไม่แม่นยำเพียงพอ เนื่องจากไม่ได้คำนึงถึงความแตกต่างของแต่ละบุคคลในด้านความไวต่อความเหนื่อยล้า จึงมีการเสนอว่าความสามารถในการทำนายของ แบบจำลองเหล่านี้จะดีขึ้นได้หากมีการวัดทางด้านความรู้ความเข้าใจโดยใช้เครื่องมือต่างๆ เช่น CogniFit และการวัดการเคลื่อนไหวของดวงตา เพื่อพิจารณาถึงความแตกต่างของแต่ละบุคคล

ตัวแปรทางด้านการรับรู้และการเคลื่อนไหวของดวงตาที่แตกต่างกันนั้นถูกวัดในผู้เข้าร่วมที่พักผ่อนแล้ว และทุกๆ 3 ชั่วโมงในระหว่างกระบวนการตื่นตัว 25 ชั่วโมง (เพื่อให้ได้คะแนนทั้งแบบกลุ่มและแบบรายบุคคล) นอกจากนี้ยังสามารถเปรียบเทียบประสิทธิภาพที่แท้จริงกับประสิทธิภาพที่คาดหวังได้ ผลลัพธ์บ่งชี้ว่า การเพิ่มมาตรวัดเหล่านี้เข้าไปในแบบจำลองที่มีอยู่เดิม ทำให้ความสามารถในการอธิบายความแปรปรวนเพิ่มขึ้นจาก 13.8% เป็น 35.7% ซึ่งหมายความว่า การใช้ CogniFit และมาตรวัดอื่นๆ เพื่อตรวจจับความแตกต่างระหว่างบุคคล สามารถปรับปรุงการทำนายประสิทธิภาพในระหว่างความเหนื่อยล้าได้อย่างมาก และช่วยเพิ่มความปลอดภัยได้

บริบท

ความเหนื่อยล้าจากการนอนหลับไม่เพียงพอเป็นหนึ่งในความเสี่ยงหลัก ที่พวกเขาเผชิญทั้งในงานขนส่งทางทหารและพลเรือน โดยหลักการแล้ว วิธีแก้ปัญหาเหล่านี้คือการ นอนหลับให้เพียงพอและ/หรือการใช้ ยา อย่างไรก็ตาม บางครั้งวิธีเหล่านี้ก็ไม่เพียงพอ ปัญหาเหล่านี้ส่วนใหญ่สามารถป้องกันได้โดยการคาดการณ์ประสิทธิภาพของบุคคลหรือการวัดความสามารถของแต่ละบุคคลในการกระทำในเวลาที่เหมาะสมโดยตรง อย่างไรก็ตาม แบบจำลองการคาดการณ์นี้มีประสิทธิภาพในระดับปานกลางเท่านั้น

ความล้มเหลวที่ค่อนข้างน่าประหลาดใจของแบบจำลองนี้อาจเป็นเพราะมันตั้งสมมติฐานว่าทุกคนมีจังหวะชีวิตประจำวันและการตอบสนองต่อความเหนื่อยล้าที่คล้ายคลึงกัน ในขณะที่การศึกษาชี้ให้เห็นว่าความแตกต่างระหว่างบุคคลในบริบทเหล่านี้มีความสำคัญอย่างมาก ปัจจัยบางประการที่รบกวนการตอบสนองต่อความเหนื่อยล้า ได้แก่ การทำงานของระบบการรับรู้ของแต่ละบุคคล

ดังนั้น จึงคาดได้ว่าประสิทธิภาพของแบบจำลองการทำนายจะเพิ่มขึ้น หากเรารวมมาตรการที่คำนึงถึงความแตกต่างระหว่างบุคคล เช่น มาตรการด้านความรู้ความเข้าใจและมาตรการด้านสายตา

ระเบียบวิธีวิจัย

ผู้เข้าร่วม

ผู้เข้าร่วมการวิจัยประกอบด้วย อาสาสมัคร 15 คนจากโครงการฝึกอบรมก่อนบิน (API) ของกองทัพเรือ ณ ฐานทัพอากาศเพนซาโคลา ซึ่งเป็นบุคลากรทางทหารที่ยังประจำการอยู่ (ชาย 13 คน และหญิง 2 คน โดยมีอายุเฉลี่ย 24.7 และ 21.5 ปี ตามลำดับ) เงื่อนไขในการเข้าร่วมการวิจัยคือ ห้ามดื่มแอลกอฮอล์ ดื่มกาแฟ และสูบบุหรี่ และต้องไม่มีปัญหาทางระบบประสาท จิตเวช หรือปัญหาเกี่ยวกับการนอนหลับ

ขั้นตอน

ได้มี การออกแบบการทดลองแบบวัดซ้ำ เพื่อศึกษาผลกระทบของการอดนอนต่อประสิทธิภาพการทำงานของสมองและสายตา ทั้งในระดับกลุ่มและระดับบุคคล โดยเริ่มจากการบันทึกข้อมูลพื้นฐานก่อน จากนั้นจึงเก็บข้อมูลในระหว่างการอดนอน

การวิเคราะห์ทางสถิติ

การวิเคราะห์ดำเนินการใน สามขั้นตอน :

• ขั้นตอนที่ 1 : ดำเนินการวิเคราะห์ความแปรปรวน (ANOVA) หลายครั้งสำหรับตัวแปรเกณฑ์และตัวแปรทำนายแต่ละตัวที่วัดได้ในแต่ละการทดลอง เพื่อตรวจสอบว่าตัวแปรใดมีการเปลี่ยนแปลงเมื่อเวลาผ่านไป
• ขั้นตอนที่ 2 : ดำเนินการสร้างแบบจำลองเชิงเส้นลำดับชั้นแบบสองตัวแปรที่มีผลกระทบแบบคงที่และแบบสุ่ม โดยมีวัตถุประสงค์เพื่อทำนายว่าเมื่อใดที่ความเหนื่อยล้าจะส่งผลให้ผลผลิตลดลง และในทางกลับกัน เพื่อค้นหาความแตกต่างที่ยังไม่ถูกตรวจพบในระดับการวิเคราะห์กลุ่ม ตรวจพบผลกระทบของกลุ่ม (p<0.05) และความแตกต่างระหว่างบุคคลภายในผลกระทบโดยรวมนั้น (p<0.05) หลังจากนั้น ดำเนินการสร้างแบบจำลองเชิงเส้นลำดับชั้นแบบหลายตัวแปรหลายตัว เพื่อทราบว่าตัวแปรทำนายใดมีส่วนในการอธิบายความแปรปรวนในระดับสถิติ และมีความสัมพันธ์กันในระดับแนวคิด
• ขั้นตอนที่ 3 : ได้สร้างแบบจำลองเชิงเส้นทั่วไปหลายแบบจากตัวแปรทำนายที่มีนัยสำคัญในขั้นตอนก่อนหน้า โดยมีเป้าหมายเพื่อทราบความสามารถในการทำนายของแบบจำลองโดยคำนึงถึงปัจจัยด้านการรับรู้และด้านการวัดสายตา

ผลการวิจัยและข้อสรุป

ใน ขั้นตอนที่ 1 ของการวิเคราะห์ข้อมูล ได้มีการหาผลกระทบของกลุ่ม พบว่ามีผลกระทบอย่างมีนัยสำคัญต่อเวลาตอบสนอง (p=0.009) ความจำระยะสั้น (p=0.023) การแบ่งความสนใจ (p=0.026) และการเปลี่ยนความสนใจ (p=0.002) เมื่อเกิดความเหนื่อยล้า ประสิทธิภาพของความสามารถทางปัญญาเหล่านี้ลดลง ดังนั้นจึงนำมาพิจารณาเป็นตัวแปรทำนายในขั้นตอนต่อไป ใน ขั้นตอนที่ 2 ของการวิเคราะห์ ได้มีการหาความแตกต่างระหว่างบุคคล ผ่านความสัมพันธ์ที่มีนัยสำคัญระหว่างตัวแปรต่างๆ ที่มีผลกระทบแบบคงที่หรือแบบสุ่ม ใน ขั้นตอนที่ 3 ของการวิเคราะห์ข้อมูล พบว่าเมื่อใช้เพียงมาตรวัดการทำนายแบบคลาสสิก การทำนายสามารถอธิบายความแปรปรวนได้เพียง 13.8% เท่านั้น ในทางตรงกันข้าม เมื่อเพิ่มตัวแปรทางปัญญาที่มีนัยสำคัญ การทำนายสามารถอธิบายความแปรปรวนได้ถึง 35.7%

ผลลัพธ์เหล่านี้บ่งชี้ว่า การเพิ่มตัวแปรที่ไวต่อความเหนื่อยล้าบางอย่างเข้าไปในแบบจำลองการทำนายแบบปกติ เช่น การวัดค่าจาก CogniFit สามารถช่วยให้เราทำนายได้อย่างแม่นยำยิ่งขึ้นว่าประสิทธิภาพการทำงานจะได้รับผลกระทบจากความเหนื่อยล้า เมื่อใด การทราบข้อมูลนี้ มีประโยชน์อย่างมากในการป้องกันอุบัติเหตุ และใช้มาตรการป้องกันในเครื่องบินทั้งทางทหารและพลเรือน