CogniFit - ঘুমের ক্ষতির প্রতিক্রিয়ায় ব্যক্তিগত পার্থক্যের পূর্বাভাস: বর্তমান কৌশলগুলির প্রয়োগ

নাম : ঘুমের ক্ষতির প্রতিক্রিয়ায় ব্যক্তিগত পার্থক্যের পূর্বাভাস: বর্তমান কৌশলের প্রয়োগ ।

লেখক : জোসেফ এফ. চ্যান্ডলার ১, রিচার্ড ডি. আর্নল্ড ১, জেফ্রি বি. ফিলিপস ১, অ্যাশলে ই. টার্নমায়ার ১।

• ১. নৌ চিকিৎসা গবেষণা ইউনিট।

জার্নাল : এভিয়েশন, স্পেস এবং এনভায়রনমেন্টাল মেডিসিন (২০১৩), খণ্ড ৮৪ (৯): ৯২৭-৯৩৭।

এই প্রবন্ধের তথ্যসূত্র (APA স্টাইল): :

• চ্যান্ডলার, জেএফ, আর্নল্ড, আরডি, ফিলিপস, জেবি, টার্নমায়ার, এই (২০১৩)। ঘুমের ক্ষতির প্রতিক্রিয়ায় ব্যক্তিগত পার্থক্যের পূর্বাভাস: বর্তমান কৌশলের প্রয়োগ। বিমান চলাচল, স্থান এবং পরিবেশগত চিকিৎসা, খণ্ড ৮৪, পৃষ্ঠা ৯২৭-৯৩৭।

অধ্যয়নের উপসংহার

কগনিফিট অত্যন্ত প্রাসঙ্গিক ভেরিয়েবল পরিমাপ করে ব্যবহারকারীর ক্লান্তি কর্মক্ষমতা পূর্বাভাস দিতে পারে। এটি সামরিক পাইলট এবং বেসামরিক নাগরিকদের দুর্ঘটনার ঝুঁকি কমাতে সাহায্য করতে পারে, কারণ বিভিন্ন ধরণের দুর্ঘটনায় ক্লান্তি একটি পুনরাবৃত্তিমূলক পরিবর্তনশীল। । ভবিষ্যদ্বাণীমূলক মডেলগুলিতে প্রতিক্রিয়া সময় (p=0.009), স্বল্পমেয়াদী স্মৃতি (p=0.023), বিভক্ত মনোযোগ (p=0.026) বা স্থানান্তর (p=0.002) এর মতো কিছু ভেরিয়েবল সহ, ব্যাখ্যা করা বৈচিত্র্যের শতাংশ 13.8% থেকে 35.7% পর্যন্ত যায়।

অধ্যয়নের সারাংশ

সামরিক পরিবহনের সময় নিরাপত্তা ঝুঁকির মুখে ফেলার অন্যতম প্রধান কারণ হল ক্লান্তি । ক্লান্তির প্রতিক্রিয়ার পূর্বাভাস দেওয়ার মডেলগুলি তৈরি করা হয়েছে, কিন্তু এখনও যথেষ্ট সঠিক নয়, কারণ তারা ক্লান্তি সংবেদনশীলতার পৃথক পার্থক্য বিবেচনা করে না । পরিবর্তে, প্রস্তাব করা হয়েছে যে এই মডেলগুলির ভবিষ্যদ্বাণীমূলক ক্ষমতা উন্নত করা যেতে পারে যদি পৃথক পার্থক্যগুলি বিবেচনা করার জন্য CogniFit এবং oculometric এর মতো সরঞ্জাম ব্যবহার করে জ্ঞানীয় পরিমাপ করা হয় ।

বিশ্রামপ্রাপ্ত অংশগ্রহণকারীদের মধ্যে এবং প্রতি 3 ঘন্টা অন্তর 25 ঘন্টা জাগ্রত হওয়ার প্রক্রিয়ার সময় বিভিন্ন জ্ঞানীয় এবং অকুলোমেট্রিক ভেরিয়েবল পরিমাপ করা হয়েছিল (যাতে গোষ্ঠী এবং পৃথক স্কোর পাওয়া যায়)। প্রত্যাশিত কর্মক্ষমতার সাথে প্রকৃত কর্মক্ষমতার তুলনা করাও সম্ভব হয়েছিল। ফলাফলগুলি ইঙ্গিত দেয় যে পূর্ব-বিদ্যমান মডেলগুলিতে এই পরিমাপগুলি যুক্ত করে, তারা 13.8% থেকে 35.7% পর্যন্ত বৈচিত্র্য ব্যাখ্যা করতে পেরেছে । এর অর্থ হল, পৃথক পার্থক্য সনাক্ত করার জন্য CogniFit এবং অন্যান্য পরিমাপ ব্যবহার করে , ক্লান্তির সময় কর্মক্ষমতার পূর্বাভাসকে ব্যাপকভাবে উন্নত করা যেতে পারে এবং এইভাবে নিরাপত্তা উন্নত করা যেতে পারে ।

প্রসঙ্গ

ঘুমের অভাবের কারণে ক্লান্তি সামরিক এবং বেসামরিক উভয় পরিবহনেই তাদের মুখোমুখি হওয়া প্রধান ঝুঁকিগুলির মধ্যে একটি । নীতিগতভাবে, এই সমস্যার সমাধান হবে সঠিকভাবে ঘুমানো এবং/অথবা মাদক গ্রহণ করা । তবে, কখনও কখনও এটি যথেষ্ট নয়। এর অনেকটাই একজন ব্যক্তির কর্মক্ষমতা পূর্বাভাস দিয়ে অথবা সঠিক সময়ে কাজ করার ক্ষমতা সরাসরি পরিমাপ করে প্রতিরোধ করা যেতে পারে। অন্যদিকে, এই ভবিষ্যদ্বাণী মডেলটি নিজেই একটি মাঝারি কার্যকারিতা রাখে ।

এই মডেলের সাফল্যের তুলনামূলক অভাবের কারণ হতে পারে কারণ এটি ধরে নেয় যে সমস্ত ব্যক্তির সার্কাডিয়ান ছন্দ এবং ক্লান্তির প্রতি প্রতিক্রিয়া একই রকম, যদিও গবেষণাগুলি পরামর্শ দেয় যে এই সেটিংসে পৃথক পার্থক্যগুলি উল্লেখযোগ্য। ক্লান্তির প্রতি এই প্রতিক্রিয়ায় হস্তক্ষেপকারী কিছু দিক হল একজন ব্যক্তির জ্ঞানীয় কার্যকারিতা ।

অতএব, ভবিষ্যদ্বাণীমূলক মডেলের কার্যকারিতা বৃদ্ধির আশা করা যেতে পারে যদি আমরা এমন ব্যবস্থা অন্তর্ভুক্ত করি যা পৃথক পার্থক্য বিবেচনা করে, যেমন জ্ঞানীয় এবং অকুলোমেট্রিক পরিমাপ।

পদ্ধতি

অংশগ্রহণকারীরা

অংশগ্রহণকারীদের মধ্যে ছিলেন নেভাল এভিয়েশন প্রিফ্লাইট ইন্ডোকট্রিনেশন (এপিআই) প্রোগ্রামের ১৫ জন স্বেচ্ছাসেবক, যারা নেভাল এয়ার স্টেশন পেনসাকোলায় সামরিক কর্মীদের সেবা প্রদান করছিলেন (১৩ জন পুরুষ এবং ২ জন মহিলা, যাদের গড় বয়স যথাক্রমে ২৪.৭ এবং ২১.৫ বছর)। গবেষণায় অংশগ্রহণের জন্য, অ্যালকোহল, ক্যাফিন এবং তামাকের ব্যবহার নিয়ন্ত্রণ করা হয়েছিল এবং তাদের স্নায়বিক, মানসিক বা ঘুম-সম্পর্কিত সমস্যা থেকে মুক্ত থাকতে হয়েছিল।

পদ্ধতি

ঘুমের অভাবের প্রভাব জ্ঞানীয় এবং অকুলোমেট্রিক কর্মক্ষমতার উপর, গোষ্ঠী এবং ব্যক্তিগত উভয় স্তরেই, বারবার পরিমাপের একটি নকশা প্রয়োগ করা হয়েছিল। প্রথমে, বেসলাইন রেকর্ড করা হয়েছিল এবং তারপর ঘুমের অভাবের সময় ডেটা নেওয়া হয়েছিল।

পরিসংখ্যানগত বিশ্লেষণ

বিশ্লেষণটি তিনটি ধাপে সম্পন্ন করা হয়েছিল:

• ধাপ ১ : প্রতিটি পরীক্ষায় পরিমাপ করা প্রতিটি মানদণ্ড এবং ভবিষ্যদ্বাণীকারী চলকের জন্য ANOVA-এর একটি সিরিজ সম্পাদিত হয়েছিল। এটি নির্ধারণ করে যে সময়ের সাথে সাথে কোন চলকগুলিতে পরিবর্তন দেখা গেছে।
• ধাপ ২ : স্থির এবং এলোমেলো প্রভাব সহ দ্বি-ভঙ্গিমা রৈখিক শ্রেণিবিন্যাস মডেলগুলির একটি সিরিজ পরিচালিত হয়েছিল যার উদ্দেশ্য ছিল ক্লান্তি কখন কম ফলন দেবে তা ভবিষ্যদ্বাণী করা এবং ফলস্বরূপ, গ্রুপ বিশ্লেষণ স্তরে অনির্ধারিত পার্থক্যগুলি আবিষ্কার করা। একটি গ্রুপ প্রভাব (p<0.05) এবং সেই সামগ্রিক প্রভাবের মধ্যে পৃথক পার্থক্য (0<0.05) সনাক্ত করা হয়েছিল। এর পরে, একটি বহুভঙ্গিমা বহু-শ্রেণীবদ্ধ রৈখিক মডেল পরিচালিত হয়েছিল যাতে জানা যায় যে কোন ভবিষ্যদ্বাণীকারী ভেরিয়েবলগুলি পরিসংখ্যানগত স্তরে ব্যাখ্যামূলক বৈচিত্র্য এবং ধারণাগত স্তরে সম্পর্ক ভাগ করে নেয়।
• ধাপ ৩ : পূর্ববর্তী ধাপের উল্লেখযোগ্য ভবিষ্যদ্বাণীকারী চলকগুলি থেকে সাধারণ রৈখিক মডেলগুলির একটি সিরিজ তৈরি করা হয়েছিল। সুতরাং, লক্ষ্য ছিল জ্ঞানীয় এবং অকুলোমেট্রিক কারণগুলি বিবেচনা করে মডেলের ভবিষ্যদ্বাণীমূলক ক্ষমতা জানা।

ফলাফল এবং উপসংহার

তথ্য বিশ্লেষণের ধাপ ১-এ, গ্রুপের প্রভাবগুলি পাওয়া গেছে । দেখা গেছে যে প্রতিক্রিয়া সময় (p=0.009), স্বল্পমেয়াদী স্মৃতি (p=0.023), বিভক্ত মনোযোগ (p=0.026) এবং স্থানান্তর (p=0.002) এর উপর উল্লেখযোগ্য প্রভাব রয়েছে। ক্লান্তির সাথে, এই জ্ঞানীয় ক্ষমতাগুলির কর্মক্ষমতা হ্রাস পেয়েছে, তাই পরবর্তী ধাপে এগুলিকে ভবিষ্যদ্বাণীমূলক চলক হিসাবে বিবেচনা করা হয়েছিল। বিশ্লেষণের ধাপ ২-এ, স্থির বা এলোমেলো প্রভাব সহ বিভিন্ন চলকের মধ্যে উল্লেখযোগ্য সম্পর্কের মাধ্যমে পৃথক পার্থক্যগুলি পাওয়া গেছে । তথ্য বিশ্লেষণের ধাপ ৩-এ , দেখা গেছে যে যখন শুধুমাত্র ধ্রুপদী ভবিষ্যদ্বাণী পরিমাপ ব্যবহার করা হয়েছিল, তখন ভবিষ্যদ্বাণীগুলি কেবলমাত্র 13.8% বৈচিত্র্যের জন্য দায়ী ছিল। বিপরীতে, উল্লেখযোগ্য জ্ঞানীয় চলক যোগ করলে, ভবিষ্যদ্বাণীগুলি 35.7% বৈচিত্র্যের জন্য দায়ী ছিল ।

এই ফলাফলগুলি ইঙ্গিত দেয় যে কগনিফিট পরিমাপের মতো সাধারণ ভবিষ্যদ্বাণীমূলক মডেলগুলিতে কিছু ক্লান্তি-সংবেদনশীল ভেরিয়েবল যুক্ত করা আমাদের আরও সঠিকভাবে ভবিষ্যদ্বাণী করতে সাহায্য করতে পারে কখন ক্লান্তির কারণে কর্মক্ষমতা প্রভাবিত হবে । সামরিক এবং বেসামরিক উভয় বিমানেই দুর্ঘটনা রোধ করতে এবং সতর্কতামূলক ব্যবস্থা গ্রহণের জন্য এই তথ্য জানা খুবই কার্যকর হতে পারে ।