نام : نیند میں کمی کے ردعمل میں انفرادی اختلافات کی پیش گوئی: موجودہ تکنیکوں کا اطلاق ۔

نیند میں کمی کے ردعمل میں انفرادی اختلافات کی پیش گوئی: موجودہ تکنیکوں کا اطلاق
پائلٹ کی تھکاوٹ کی علمی تشخیص پر سائنسی اشاعت
محقق کے پلیٹ فارم سے تحقیقی مریضوں کا آسانی سے انتظام کریں۔
اپنے مطالعہ کے شرکاء کے لیے 23 علمی مہارتوں کا جائزہ لیں اور ان کی تربیت کریں۔
اپنے مطالعہ کے اعداد و شمار کے لیے شرکاء کی علمی ترقی کی جانچ اور موازنہ کریں۔
مصنفین : جوزف ایف چاندلر 1، رچرڈ ڈی آرنلڈ 1، جیفری بی فلپس 1، ایشلے ای ٹرن مائر 1۔
- 1. نیول میڈیکل ریسرچ یونٹ۔
جرنل : ایوی ایشن، اسپیس، اینڈ انوائرمنٹل میڈیسن (2013)، والیم۔ 84 (9): 927-937۔
اس مضمون کے حوالے (APA سٹائل):
- چاندلر، جے ایف، آرنلڈ، آر ڈی، فلپس، جے بی، ٹرن مائر، اے ای (2013)۔ نیند کی کمی کے جواب میں انفرادی اختلافات کی پیش گوئی: موجودہ تکنیکوں کا اطلاق۔ ایوی ایشن، اسپیس، اینڈ انوائرمنٹل میڈیسن، والیم 84، صفحہ 927-937۔
مطالعہ کا نتیجہ
CogniFit صارف کی انفرادی تھکاوٹ کی کارکردگی کا اندازہ لگانے کے لیے انتہائی متعلقہ متغیرات کی پیمائش کر سکتا ہے۔ اس سے فوجی پائلٹوں اور عام شہریوں کے لیے حادثات کے خطرے کو کم کرنے میں مدد مل سکتی ہے، کیونکہ تھکاوٹ مختلف قسم کے حادثات میں بار بار آنے والا متغیر ہے۔ . کچھ متغیرات، جیسے رسپانس ٹائم (p=0.009)، قلیل مدتی میموری (p=0.023)، منقسم توجہ (p=0.026) یا پیشین گوئی کرنے والے ماڈلز میں شفٹنگ (p=0.002) سمیت، بیان کردہ تغیر کا فیصد 13.8% سے 35.7% تک جاتا ہے۔
مطالعہ کا خلاصہ
تھکاوٹ ان اہم عوامل میں سے ایک ہے جو فوجی نقل و حمل کے دوران حفاظت کو خطرے میں ڈالتی ہے ۔ تھکاوٹ کے ردعمل کی پیشن گوئی کرنے والے ماڈلز بنائے گئے ہیں، لیکن ابھی تک کافی حد تک درست نہیں ہیں، کیونکہ وہ تھکاوٹ کی حساسیت میں انفرادی فرق کو مدنظر نہیں رکھتے ہیں ۔ اس کے بجائے، یہ تجویز کیا جاتا ہے کہ ان ماڈلز کی پیشن گوئی کی صلاحیت کو بہتر بنایا جا سکتا ہے اگر انفرادی اختلافات کو مدنظر رکھتے ہوئے کوگنی فٹ اور اوکولومیٹرک جیسے ٹولز کا استعمال کرتے ہوئے علمی پیمائش کی جائے ۔
مختلف علمی اور آکولومیٹرک متغیرات کو آرام کرنے والے شرکاء میں اور ہر 3 گھنٹے بعد 25 گھنٹے کے بیداری کے عمل میں ماپا گیا (لہذا گروپ اور انفرادی اسکور حاصل کیے گئے)۔ متوقع کارکردگی سے حقیقی کارکردگی کا موازنہ کرنا بھی ممکن تھا۔ نتائج نے اشارہ کیا کہ ان اقدامات کو پہلے سے موجود ماڈلز میں شامل کرکے، وہ 13.8% سے 35.7% تک فرق کی وضاحت کرتے ہیں ۔ اس کا مطلب یہ ہے کہ، انفرادی اختلافات کا پتہ لگانے کے لیے CogniFit اور دیگر اقدامات کا استعمال ، تھکاوٹ کے دوران کارکردگی کی پیش گوئی کو بہت بہتر بنا سکتا ہے اور اس طرح حفاظت کو بہتر بنا سکتا ہے ۔
سیاق و سباق
نیند کی کمی کی وجہ سے تھکاوٹ ان اہم خطرات میں سے ایک ہے جس کا انہیں فوجی اور سویلین ٹرانسپورٹ دونوں میں سامنا کرنا پڑتا ہے۔ اصولی طور پر، ان مسائل کا حل مناسب طریقے سے سونا اور/یا منشیات کا سہارا لینا ہے۔ تاہم، کبھی کبھی یہ کافی نہیں ہے. اس میں سے زیادہ تر کو کسی شخص کی کارکردگی کا اندازہ لگا کر یا کسی فرد کی صحیح وقت پر کام کرنے کی صلاحیت کی براہ راست پیمائش کر کے روکا جا سکتا ہے۔ یہ پیشین گوئی ماڈل، دوسری طرف، اپنے آپ میں ایک معتدل تاثیر رکھتا ہے ۔
اس ماڈل کی کامیابی کی نسبتاً کمی اس لیے ہو سکتی ہے کہ یہ فرض کرتا ہے کہ تمام افراد کی سرکیڈین تال اور تھکاوٹ کا ردعمل یکساں ہوتا ہے، جب کہ مطالعے سے پتہ چلتا ہے کہ ان ترتیبات میں انفرادی اختلافات اہم ہیں۔ تھکاوٹ کے اس ردعمل میں مداخلت کرنے والے کچھ پہلو انسان کے علمی کام کاج ہیں ۔
لہذا، پیشین گوئی کرنے والے ماڈل کی تاثیر میں اضافے کی توقع کی جا سکتی ہے اگر ہم ایسے اقدامات شامل کریں جو انفرادی اختلافات کو مدنظر رکھتے ہوں، جیسے علمی اور آکولومیٹرک اقدامات۔
طریقہ کار
شرکاء
شرکاء میں نیول ایوی ایشن پری فلائٹ انڈوکٹرینیشن (API) پروگرام کے 15 رضاکاروں پر مشتمل تھا جو نیول ایئر اسٹیشن پینساکولا پر سوار تھے، جو فوجی اہلکاروں کی خدمت کر رہے تھے (13 مرد اور 2 خواتین، جن کی اوسط عمر بالترتیب 24.7 اور 21.5 سال ہے)۔ مطالعہ میں حصہ لینے کے لیے، الکحل، کیفین اور تمباکو کے استعمال کو کنٹرول کیا گیا تھا، اور انہیں اعصابی، نفسیاتی، یا نیند سے متعلق مسائل سے پاک ہونا تھا۔
طریقہ کار
گروپ اور انفرادی دونوں سطحوں پر علمی اور آکولومیٹرک کارکردگی پر نیند کی کمی کے اثرات کے بارے میں جاننے کے لیے بار بار اقدامات کا ایک ڈیزائن لاگو کیا گیا تھا۔ پہلے بیس لائن ریکارڈ کی گئی اور پھر نیند کی کمی کے دوران ڈیٹا لیا گیا۔
شماریاتی تجزیہ
تجزیہ تین مراحل میں کیا گیا تھا:
- مرحلہ 1 : ANOVAs کی ایک سیریز ہر آزمائش میں ماپی گئی ہر کسوٹی اور پیشین گوئی کرنے والے متغیر کے لیے انجام دی گئی۔ اس سے یہ طے ہوتا ہے کہ وقت کے ساتھ کون سے متغیرات نے تبدیلیاں ظاہر کیں۔
- مرحلہ 2 : فکسڈ اور بے ترتیب اثرات کے ساتھ دو متغیر خطوطی درجہ بندی کے ماڈلز کا ایک سلسلہ اس پیشین گوئی کے مقصد کے ساتھ انجام دیا گیا تھا کہ کب تھکاوٹ کم پیداوار پیدا کرے گی اور اس کے نتیجے میں، گروپ تجزیہ کی سطح میں ناقابل شناخت اختلافات کو دریافت کیا جائے گا۔ ایک گروپ اثر (p <0.05) اور اس مجموعی اثر (0<0.05) کے اندر انفرادی اختلافات کا پتہ چلا۔ اس کے بعد، ایک ملٹی ویریٹ ملٹی ہائرارکیکل لکیری ماڈل کو یہ جاننے کے لیے انجام دیا گیا کہ کون سے پیشین گوئی کرنے والے متغیرات نے شماریاتی سطح پر وضاحتی تغیرات اور تصوراتی سطح پر تعلق کا اشتراک کیا۔
- مرحلہ 3 : عام لکیری ماڈلز کی ایک سیریز پچھلے مرحلے کے اہم پیشین گوئی کرنے والے متغیرات سے بنائی گئی تھی۔ اس طرح، مقصد علمی اور آکولومیٹرک عوامل کو مدنظر رکھتے ہوئے ماڈل کی پیشن گوئی کی صلاحیت کو جاننا تھا۔
نتائج اور نتائج
ڈیٹا تجزیہ کے مرحلہ 1 میں، گروپ کے اثرات حاصل کیے گئے تھے ۔ یہ دیکھا گیا کہ رسپانس ٹائم (p=0.009)، قلیل مدتی میموری (p=0.023)، منقسم توجہ (p=0.026) اور شفٹنگ (p=0.002) پر نمایاں اثرات تھے۔ تھکاوٹ کے ساتھ، ان علمی صلاحیتوں کی کارکردگی میں کمی واقع ہوئی، لہذا اگلے مرحلے میں ان کو پیشن گوئی متغیر کے طور پر لیا گیا۔ تجزیہ کے مرحلہ 2 میں، انفرادی اختلافات کو متغیر یا بے ترتیب اثرات کے ساتھ مختلف متغیر کے درمیان اہم تعلقات کے ذریعے حاصل کیا گیا تھا ۔ اعداد و شمار کے تجزیہ کا مرحلہ 3 ، یہ دیکھا گیا کہ جب صرف کلاسیکی پیشن گوئی کے اقدامات استعمال کیے جاتے تھے، تو پیشین گوئیاں صرف 13.8 فیصد تغیرات کے لیے ہو سکتی ہیں۔ اس کے برعکس، اہم علمی متغیرات کو شامل کرنے سے، پیشین گوئیاں 35.7 فیصد تغیرات کا سبب بن سکتی ہیں ۔
یہ نتائج بتاتے ہیں کہ معمول کے پیش گوئی کرنے والے ماڈلز میں تھکاوٹ سے متعلق کچھ حساس متغیرات کو شامل کرنا، جیسے CogniFit اقدامات، ہمیں زیادہ درست انداز میں پیش گوئی کرنے میں مدد کر سکتا ہے کہ کارکردگی کب تھکاوٹ سے متاثر ہوگی ۔ اس معلومات کو جاننا حادثات سے بچنے اور فوجی اور سویلین دونوں طیاروں میں احتیاطی تدابیر اختیار کرنے کے لیے بہت مفید ہو سکتا ہے ۔