احساس خواب آلودگی؟ رانندگی را متوقف کنید - آگاهی از تصادفات به خواب رفتن قسمت 1

خلاصه

اهداف مطالعه:برای بررسی اینکه آیا رانندگان از خواب‌آلودگی و علائم مرتبط با آن آگاه هستند یا خیر، و اینکه گزارش‌های ذهنی چگونه اختلالات رانندگی و خواب‌آلودگی فیزیولوژیکی را پیش‌بینی می‌کنند.

سیستانچ می تواند به عنوان یک ضد خستگی و تقویت کننده استقامت عمل کند و مطالعات تجربی نشان داده اند که جوشانده سیستانچ توبولوزا می تواند به طور موثری از سلول های کبدی و سلول های اندوتلیال آسیب دیده در موش های شناگر محافظت کند، بیان NOS3 را افزایش دهد و گلیکوژن کبدی را تقویت کند. سنتز، در نتیجه اعمال اثر ضد خستگی. عصاره Cistanche tubulosa غنی از گلیکوزید فنیل اتانوئید می تواند به طور قابل توجهی سطح کراتین کیناز، لاکتات دهیدروژناز و لاکتات سرم را کاهش دهد و سطح هموگلوبین (HB) و گلوکز را در موش ICR افزایش دهد و این می تواند با کاهش آسیب عضلانی نقش ضد خستگی ایفا کند. و به تاخیر انداختن غنی سازی اسید لاکتیک برای ذخیره انرژی در موش. قرص Cistanche Tubulosa به طور قابل توجهی زمان شنای تحمل وزن را طولانی کرد، ذخیره گلیکوژن کبدی را افزایش داد و سطح اوره سرم را پس از ورزش در موش کاهش داد و اثر ضد خستگی آن را نشان داد. جوشانده سیستانچی می تواند استقامت را بهبود بخشد و خستگی را در موش های ورزشکار تسریع کند و همچنین می تواند افزایش کراتین کیناز سرم را بعد از تمرین بارگذاری کاهش دهد و فراساختار ماهیچه های اسکلتی موش ها را پس از ورزش نرمال نگه دارد که نشان دهنده تأثیر آن است. افزایش قدرت بدنی و ضد خستگی Cistanchis همچنین به طور قابل توجهی زمان بقای موش های مسموم با نیتریت را طولانی کرد و تحمل در برابر هیپوکسی و خستگی را افزایش داد.

روی خستگی ناگهانی در طول روز کلیک کنید

【برای اطلاعات بیشتر:george.deng@wecistanche.com / WhatApp:8613632399501】

مواد و روش ها:16 کارگر شیفت (19 تا 65 سال؛ 9 زن) پس از یک شب خواب و یک شب کار، یک وسیله نقلیه مجهز را به مدت 2 ساعت در یک مسیر حلقه بسته رانندگی کردند. خواب آلودگی/علائم ذهنی هر 15 دقیقه یکبار رتبه بندی شد. اختلال رانندگی شدید و متوسط ​​به ترتیب با مانورهای ترمز اضطراری و انحراف خطوط تعریف شد. خواب‌آلودگی فیزیولوژیکی با بسته شدن چشم (نمرات خواب‌آلودگی جان) و رویدادهای ریزخواب مبتنی بر EEG تعریف شد.

نتایج:همه رتبه‌بندی‌های ذهنی شیفت بعد از شب را افزایش دادند (p < 0.001). هیچ رویداد رانندگی شدید بدون علائم قابل توجه از قبل رخ نداد. همه رتبه‌بندی‌های ذهنی خواب‌آلودگی، و علائم خاص، یک رویداد رانندگی شدید (ترمز اضطراری) را پیش‌بینی می‌کنند که در 15 دقیقه آینده رخ می‌دهد (OR: 1.76-2.4، AUC > 0.81، p <0.009)، به جز "افتادن سر". مقیاس خواب کارولینسکا (KSS)، علائم چشمی، مشکل در نگه داشتن در مرکز جاده، و تکان دادن سر برای خوابیدن، با انحراف خط در 15 دقیقه بعدی همراه بود (OR: 1.17-1.24، p.<0.029), although accuracy was only "fair" (AUC 0.59–0.65). All sleepiness ratings predicted severe ocular-based drowsiness (OR: 1.30–2.81, p < 0.001), with very good-to-excellent accuracy (AUC > 0.8), while moderate ocular-based drowsiness was predicted with fair-to-good accuracy (AUC>{{0}}.62). KSS، احتمال به خواب رفتن، علائم چشمی، و "تکان دادن سر" رویدادهای ریزخواب را با دقت نسبتاً خوب پیش بینی کرد (AUC 0.65-0.73).

نتیجه گیریرانندگان از خواب‌آلودگی آگاه هستند و بسیاری از علائم خواب‌آلودگی گزارش‌شده توسط خود، اختلالات بعدی رانندگی/خواب‌آلودگی فیزیولوژیکی را پیش‌بینی می‌کنند. رانندگان باید طیف گسترده ای از علائم خواب آلودگی را ارزیابی کنند و در صورت بروز این علائم رانندگی را متوقف کنند تا خطر فزاینده تصادفات جاده ای به دلیل خواب آلودگی کاهش یابد.

کلید واژه ها:خواب آلودگی؛ خواب آلودگی؛ ذهنی؛ رانندگی؛ خروج از خط؛ بسته شدن چشم

چکیده گرافیکی

بیانیه اهمیت

رانندگی خواب‌آلود همچنان یکی از نگرانی‌های مهم سلامت عمومی است و تا 20 درصد از تصادفات جدی/کشنده را به همراه دارد. پیام‌های آموزشی عمومی برای کاهش خطر به خواب رفتن پشت فرمان به رانندگان توصیه می‌کند در هنگام خواب آلودگی بایستند و استراحت کنند. در یک مطالعه آینده‌نگر در جاده، نشان می‌دهیم که رانندگان از خواب‌آلودگی هنگام رانندگی آگاه هستند. از آنجایی که رانندگان ممکن است به طور معمول نپرسند «چقدر احساس خواب آلودگی دارم»، توصیه می‌کنیم که علائم خواب‌آلودگی را نیز بررسی کنند، به‌ویژه علائم مربوط به چشم‌ها یا رفتار رانندگی (مانند تلاش برای باز نگه داشتن چشم‌ها و/یا مرکز جاده). نادیده گرفتن این علائم هشدار دهنده قبلی، یا انتظار برای بروز علائمی مانند تکان دادن سر، خطر قابل توجهی برای ایمنی جاده ها دارد.

معرفی

رانندگی خواب‌آلود همچنان یکی از نگرانی‌های مهم سلامت عمومی است. در ایالات متحده، خواب‌آلودگی در 7 درصد از تصادفات وسایل نقلیه موتوری و 13 تا 21 درصد از تصادف‌هایی که منجر به آسیب جدی یا مرگ می‌شوند، دخیل است [1]. با توجه به دشواری تعیین علیت در تصادفات مربوط به خواب آلودگی [2]، این ارقام احتمالاً میزان واقعی مشکل را دست کم می گیرند، که تخمین زده می شود 40٪ از کل تصادفات بزرگراهی باشد [3]. با وجود این خطرات، رانندگی در حالت خواب‌آلود همچنان رایج است، به طوری که از هر 25 راننده، 1 راننده در ماه گذشته هنگام رانندگی به خواب رفته است [4]. معادل 1.16 میلیون راننده آمریکایی که هر ماه پشت فرمان به خواب می روند [5]. از آنجایی که خواب آلودگی نتیجه خواب ناکافی، بیداری طولانی مدت و/یا رانندگی در ساعات شبانه است، این تصادفات تا حد زیادی قابل پیشگیری هستند. با این حال، بسیاری از افراد به طور معمول در معرض عوامل القا کننده خواب آلودگی هستند که خارج از کنترل آنها است. این امر به‌ویژه برای کارگران شیفت شب مشهود است، که در معرض خطر افزایش خواب‌آلودگی رانندگی هستند، به‌ویژه در محل رفت‌وآمد خانه پس از یک شیفت شب [6-10]. از آنجایی که خواب‌آلودگی یک پیامد اجتناب‌ناپذیر برای اکثریت بزرگی از این کارگران است، استراتژی‌هایی فراتر از صرفاً «جلوگیری از خواب‌آلودگی» مورد نیاز است.

ایمنی جاده یک مسئولیت مشترک است و رانندگان باید اطمینان حاصل کنند که رانندگی ایمن هستند. از منظر خواب‌آلودگی، رانندگان می‌توانند از ترازوهای ساده مانند مقیاس خواب کارولینسکا (KSS) استفاده کنند تا به طور معمول میزان خواب آلودگی خود را قبل از رانندگی و در طول رانندگی ارزیابی کنند. در مطالعه‌ای روی کارکنان مراقبت‌های بهداشتی که پس از مدت طولانی شیفت کاری به خانه رانندگی می‌کنند، ارزیابی KSS قبل از رانندگی بیش از شش ("برخی علائم خواب آلودگی") 91٪ از رانندگی‌های بعدی را با یک رویداد رانندگی نامطلوب پیش‌بینی کرد [6]. با این حال، در طول یک رانندگی، تحقیقات قبلی نشان داده است که برخی افراد در ارزیابی خواب‌آلودگی و/یا پیش‌بینی یک دوره خواب غیرارادی قریب‌الوقوع ضعیف هستند [11-13]. برخلاف این، بررسی سیستماتیک اخیر و متاآنالیز ما (ma) پیشنهاد کرد که رانندگان از خواب آلودگی آگاه هستند، به طوری که KSS در حین رانندگی با هر دو چشمی (rma=0.70) و مغز (rma {{8) مرتبط است. }}.74) معیارهای خواب آلودگی را استخراج کرد و انحرافات بعدی و خطر تصادف را پیش بینی کرد [14]. با وجود این، اکثر مطالعات انجام شده در این بررسی از محیط‌های رانندگی/آزمایشگاهی شبیه‌سازی شده استفاده می‌کنند که نیاز به بررسی خواب‌آلودگی ذهنی و خواب‌آلودگی عینی و نتایج مرتبط با رانندگی در محیط‌های واقعی را برجسته می‌کند. علاوه بر این، از آنجایی که بسیاری از رانندگانی که خواب‌آلودگی را گزارش می‌کنند به رانندگی ادامه می‌دهند [15]، پیشنهاد شده است که رانندگان ممکن است خواب‌آلودگی را به اندازه کافی جدی یا خاص برای توقف رانندگی تشخیص ندهند [16]. به عنوان مثال، با استفاده از یک رویکرد پرسشنامه گذشته نگر، نوردباک و ساگبرگ گزارش کردند که رانندگان اغلب متوجه علائم خاصی مانند "مشکل در باز نگه داشتن چشم ها" یا "مشکل ماندن در مرکز جاده" قبل از به خواب رفتن هنگام رانندگی می شوند [16]. یک مطالعه شبیه ساز وفاداری پایین آینده نگر گزارش داد که علائم خواب آلودگی (مانند "تاری دید") هم با خواب آلودگی ذهنی (KSS) و هم با اختلال رانندگی مرتبط است [17]. در حالی که ارزیابی این علائم ممکن است به رانندگان کمک کند تا سطح خواب‌آلودگی و توانایی رانندگی ایمن خود را تشخیص دهند، این موضوع هنوز به صورت آینده‌نگر و تحت شرایط دنیای واقعی مورد بررسی قرار نگرفته است.

برای پرداختن به این دو شکاف در دانش، تحلیل‌های جدیدی از دیدگاه قبلی خود انجام دادیم، یک مطالعه در مسیر جاده در کارگران شیفت شب [18] برای تعیین میزان آگاهی رانندگان از خواب‌آلودگی و چگونگی پیش‌بینی فیزیولوژیکی بعدی. خواب آلودگی و نتایج ناایمن رانندگی در حین رانندگی. به طور خاص، با بررسی خواب‌آلودگی گزارش‌شده توسط خود و ارائه آستانه‌های بهینه از اقداماتی که توسط آن رانندگان باید اقدامات اصلاحی را انجام دهند، به این موضوع می‌پردازیم که کدام علائم خواب‌آلودگی نتایج نامطلوب رانندگی را پیش‌بینی می‌کنند.

مواد و روش ها

شركت كنندگان

Sixteen night-shift workers (nine women) between the ages of 19   and 65 years (M = 48.7 ± 14.8 years) took part in the study. They worked regular night shifts (at least 5 continuous hours between  22:00–08:00, M = 3.1 shifts/week) across a variety of shift work sectors, held a valid United States or International driver's license for >2 سال (M=27.4 سال ± 16.5 سال) و دارای حدت بینایی طبیعی (با یا بدون لنزهای اصلاحی). شرکت کنندگان رضایت کامل آگاهانه را ارائه کردند و برای زمان خود پاداش دریافت کردند. تأییدیه اخلاقی از هیئت بررسی نهادی بریگام و زنان (#2011P000370) و کمیته اخلاق پژوهش انسانی دانشگاه موناش (#25777) اخذ شد.

طراحی و پروتکل

همانطور که قبلاً توضیح داده شد، از یک طرح درون موضوعی، متقاطع استفاده شد [18]. شرکت‌کنندگان یک وسیله نقلیه با کنترل دوگانه و ابزار دقیق را به مدت 2 ساعت در دو نوبت در اطراف یک مسیر حلقه بسته راندند: بعد از یک شب کار (حداقل 5 ساعت کار بین ساعت 10:00 بعد از ظهر تا 08:{10} } صبح) و یک شب خواب (حداقل 5 ساعت خواب بین ساعت 10:00 بعد از ظهر تا ۰۸:00 صبح). با توجه به ماهیت اکولوژیکی مطالعه، هیچ دستکاری در برنامه خواب/بیداری انجام نشد و نظم رانندگی متعادل نشد. با این حال، یک بررسی تعقیبی هیچ تأثیری را بر نتایج مطالعه تأیید نکرد (برای جزئیات به [18] مراجعه کنید). زمان خواب/بیداری، مصرف دارو و مصرف کافئین/الکل در طول مطالعه با استفاده از یادداشت های روزانه به مدت 1 هفته قبل از هر جلسه رانندگی کنترل شد. شرکت‌کنندگان برای ایمنی از طریق تاکسی به مرکز آزمایش منتقل شدند و با یک محقق همراه شدند تا اطمینان حاصل شود که در دو ساعت قبل از رانندگی بیدار مانده و کافئین مصرف نکرده‌اند. درایوها 2 ساعت پس از شیفت شب آغاز شد که بین 09:30 صبح تا 02:30 بعد از ظهر مطابقت داشت. درایوهای بعد از خواب و بعد از شیفت شب برای کنترل هر گونه تأثیرات زمانی از روز بین درایوها، با زمان مطابقت داشتند. از رانندگان خواسته شد تا به شرایط رانندگی معمولی پایبند باشند (مثلاً در خط کشی جاده، در محدوده سرعت مورد نیاز)، و برای مدت کوتاهی توقف کردند.<2 minutes) every 15   minutes to conduct sleepiness assessments.

اندازه گیری ها

رتبه‌بندی‌های ذهنی علائم خواب‌آلودگی و خواب‌آلودگی در فواصل {0}}دقیقه‌ای در طول رانندگی، همراه با ارزیابی مستمر اختلالات رانندگی و خواب‌آلودگی فیزیولوژیکی بررسی شد (جدول 1 را ببینید).

1. KSS: شرکت‌کنندگان میزان خواب‌آلودگی خود را در 5 دقیقه گذشته در مقیاس 9-از «بسیار هشیار» تا «بسیار خواب‌آلود» [19] ارزیابی کردند، با استفاده از KSS سازگار با توصیف‌گرها در هر نقطه [13] . نمرات بالاتر نشان دهنده خواب آلودگی بیشتر است.

2. احتمال به خواب رفتن (LFA): شرکت کنندگان میزان احتمال خوابشان را در 5 دقیقه آینده در مقیاس نمره ای 5-از "بسیار بعید" تا "بسیار محتمل" [20] ارزیابی کردند که نمرات بالاتر نشان دهنده آن است. احتمال بالاتر (مقیاس پس از جمع آوری داده ها معکوس شد).

3. پرسشنامه علائم خواب‌آلودگی (SSQ) - شرکت‌کنندگان فراوانی هشت علامت خواب‌آلودگی را در یک مقیاس نقطه‌ای 7- رتبه‌بندی کردند که از "اصلا" تا "بیشتر اوقات" [17] متغیر بود. نمرات بالاتر نشان دهنده فراوانی بیشتر علائم خواب آلودگی بود. هشت علامت خواب‌آلودگی (SSQ1-8) را می‌توان در جدول 1 مشاهده کرد و شامل رتبه‌بندی‌های مربوط به خواب‌آلودگی (مثلاً تلاش برای باز نگه داشتن چشم‌ها)، توجه (مانند سرگردانی ذهن)، و عملکرد رانندگی (مانند دشواری در حفظ وسط جاده) است. ).

4. رویدادهای نامطلوب رانندگی: شرکت کنندگان یک مینی ون 2002 فورد ویندستار (شرکت فورد موتور) را در اطراف یک مسیر رانندگی حلقه بسته (0.8 کیلومتر) به مدت 2 ساعت رانندگی کردند. این وسیله نقلیه مجهز به ترمز دوگانه و دوربین های رو به جلو برای تأیید رویدادهای رانندگی بود. یک ناظر ایمنی (WJH یا YL)، که از این وضعیت نابینا شده بود، راننده را در صندلی سرنشین جلو همراهی می‌کرد و در صورتی که راننده وارد وضعیت «نزدیک به تصادف» شد، مراحل ترمز اضطراری را آغاز می‌کرد. رویدادهایی که در آن وسیله نقلیه از خط منحرف می‌شود، با استفاده از یک دوربین رو به جلو ثبت شد و بعداً توسط ارزیاب‌های مستقل نابینا پس از رانندگی تأیید شد. این رویدادها به ترتیب به عنوان حوادث رانندگی شدید (نزدیک به تصادف / ترمز اضطراری) و متوسط ​​(انحراف خط) طبقه بندی شدند (جدول 1 را ببینید).

5. رخدادهای خواب آلودگی فیزیولوژیکی: حرکات چشم و پلک به طور مداوم با استفاده از اکولوگرافی بازتابی مادون قرمز (Optalert، ملبورن، استرالیا) کنترل شد. یک مبدل مادون قرمز متصل به قاب عینک با لنز باز، نور مادون قرمز را ساطع کرده و تشخیص می دهد که اندازه گیری دقیقی از باز و بسته شدن پلک [21-23] برای هر پلک زدن/بستن چشم ارائه می دهد. نمره خواب آلودگی جانز (JDS) امتیازی بین 1 تا 10 است که با استفاده از یک الگوریتم اختصاصی بر اساس چندین حرکت پلک که به خواب آلودگی حساس هستند محاسبه می شود و در هر دقیقه در طول رانندگی ایجاد می شود. سطح 4.5 با رانندگی "خارج از جاده" در شبیه ساز ماشین [22] مرتبط است، در حالی که سطح 2.6 با افزایش خطر یک خطای توجه [24] یا یک رویداد رانندگی خارج از خط ارتباط دارد. 25]. ما تعداد رویدادهایی را بررسی کردیم که در آن JDS از این آستانه های تعیین شده فراتر رفت و به ترتیب به عنوان رویدادهای خواب آلودگی "شدید" و "متوسط" طبقه بندی شد (جدول 1 را ببینید).

الکتروانسفالوگرافی (EEG) به طور مداوم در طول رانندگی (Vitaport 4، Temec) با الکترودهایی که در قسمت میانی در موقعیت‌های فرونتال، مرکزی، جداری و پس سری قرار می‌گرفتند (به ترتیب Fz، Cz، Pz، و Oz) بررسی می‌شد. داده‌ها برای ریزخواب‌های مشتق‌شده از EEG که به‌عنوان فعالیت تعریف می‌شوند، نمره‌گذاری شدند<8Hz for at least 3 seconds, in any electrode site. These were identified as 'end state' fall-asleep events (Table 1).

تحلیل داده ها

برای توصیف تأثیر شرایط بر متغیرهای نتیجه، از Fishers Exact (ترمز اضطراری) یا رگرسیون پواسون (انحراف خط، JDS بیشتر یا مساوی 2.7 و 4 امتیازات5+ و رویدادهای Microsleep) استفاده کردیم. رتبه بندی خواب آلودگی ذهنی در سطل های 15- دقیقه ای به دست آمد. SSQ هم به عنوان یک نمره جهانی و هم برای هر آیتم به صورت جداگانه تجزیه و تحلیل شد. برای بررسی تأثیر شیفت و مدت زمان رانندگی بر رتبه‌بندی‌های ذهنی، از مدل‌های خطی با جلوه‌های ترکیبی استفاده شد، با شرایط (بعد از خواب در مقابل پس از شیفت) و مدت زمان رانندگی (8 × 15-سطل‌های دقیقه) به عنوان ثابت اثرات با عبارت تعامل، و شرکت کننده به عنوان یک عامل تصادفی مدل شده است. ساختار کوواریانس با کمترین معیار اطلاعات بیزی برای تفسیر مدل‌ها استفاده شد [26]، و یک تعدیل نرخ کشف نادرست برای کنترل مقایسه‌های چندگانه p-wise (adj) استفاده شد.

To examine the extent to which subjective ratings predicted an erse event in the next 15 minutes (main aim), adverse out es (emergency braking, lane deviation, JDS ≥2.7 and JDS 4.5+, and EEG-microsleep events) were dichotomized (occurring vs. t occurring in each 15-minute block) and were subject to a binary logistic regression with receiver operating characteristic  (ROC) Curve analysis, with the subjective rating as a predictor and dic atomized adverse event as the outcome. Based on a previous s y with similar lar methodology [28] (n = 9/1800 data points), we r are 60 data points to predict lane deviations with a medium eff size (OR > 3.47). With 224 observations available for analysis (n = 16 participants × 7 15-minute time bins × 2 conditions), we had >قدرت 95% برای تشخیص اثر متوسط.

شاخص J den شما برای استخراج برش بهینه برای هر پیش‌بینی‌کننده در تحلیل‌های ROC استفاده شد، و حساسیت، ویژگی، و نسبت فرد برای آستانه‌های بهینه با استفاده از رگرسیون لجستیک باینری اما با پیش‌بینی دوگانه (بالا/زیر سوم قدیمی) گزارش شد. نتیجه دوگانه (رویداد بله/خیر). در جایی که نسبت فرد تعریف نشده بود (مثلاً یک صفر در جدول احتمالی)، نسبت شانس را با استفاده از تصحیح Haldane-Anscombe و به دنبال آن آزمون دقیق اهمیت فیشر [29، 30] تنظیم کردیم. در جایی که عدم قطعیت در مورد دقت واقعی OR (یعنی یک OR بالا با CI گسترده 95٪) وجود دارد، ما فقط Oonly ORs قابل توجه rs Exact) و اندازه اثر متوسط ​​(OR> 3.47) را برجسته می کنیم و فقط حد پایین 95 را گزارش می کنیم. % CI (یعنی ایجاد اطمینان در مشاهده اندازه اثر متوسط، اما محتاط بودن در تفسیر اندازه اثر بزرگ). برای تمامی تحلیل های آماری از SPSS v27 استفاده شد.

داده های از دست رفته

هشت سطل از داده‌های گمشده در سراسر نمونه وجود داشت که دلیل آن خاتمه زودهنگام برای N=5 شرکت‌کننده در طول postshiftve بود. از آنجایی که این به دلیل این بود که مربی فکر می‌کرد که شرکت‌کننده برای ادامه رانندگی دچار مشکل شده است، آنها تصادفی در نظر گرفته نمی‌شوند. برای N=1، اولین 15-ارزیابی ذهنی دقیقه‌ای t پس از شیفت رانندگی جمع‌آوری نشد، و برای N=2، هفتمین 15-دقیقه ارزیابی ذهنی برای درایو پس از خواب برای همه معیارهای ذهنی l بود. در نهایت، برای N=1، سه محفظه مینگ داده برای LFA (× 2) و SSQ4 (× 1) وجود داشت.

نتایج

شانزده کارگر شیفت (سن 18 تا 65 سال) استخدام شدند و شرایط رانندگی پس از خواب و پس از شیفت شب را تکمیل کردند. شیفت شب به طور متوسط ​​(± SD)، 8.3 (± 4.1 ساعت) بود و در ساعت 5 بین ساعت 22:{11}} و 08:00 رخ داد. به دنبال شیفت ناچیز، و نسبت به شرایط پس از خواب، شرکت‌کنندگان قبل از سفر خواب ss داشتند (0.4 1.1 ساعت] در مقابل 7.{{2{38}} }}.4 ساعت]) و مدت بیشتری بیدار بود (12.8 4.8 ساعت] در مقابل 5.0  1.7 ساعت]). زمان روز کنترل شده بود و تا حد زیادی بین دو درایو قابل مقایسه بود (میانگین 1.{29}}.2 ساعت] اختلاف زمانی بین درایوها). نسبت به درایو پس از خواب، درایو پس از شیفت شب با انحرافات بیشتری از خط همراه بود (105 در مقابل 117، p < 0.0{{61} }01) و حوادث رانندگی شدید (0٪ در مقابل 37.5٪ از تمام درایوها، p <0.01)، همانطور که قبلاً توضیح داده شد [18]. شیفت شب پس از خواب نسبی باعث افزایش شدید JDS شد (0.19 در مقابل 1.14 در هر 15 دقیقه، p=0.003) و تغییر امتیازات اختلال (1.17 در مقابل 3.1 در هر 15 دقیقه). ، p = 0.006). همچنین رویدادهای ریزخواب «حالت پایانی» بیشتری وجود داشت (0.05 در مقابل 0.21 در هر 15 دقیقه [کل، 5 در مقابل 23]، p <0.001). میزانی که رانندگان قادر به شناسایی خواب‌آلودگی بودند و اینکه چگونه رتبه‌بندی ذهنی خواب‌آلودگی این پیامدهای رانندگی متوسط ​​و شدید را پیش‌بینی می‌کرد، اساس این مطالعه را تشکیل می‌دهد.

خواب آلودگی ذهنی هنگام رانندگی در شیفت شب.

تغییرات مشابهی در علائم خواب‌آلودگی و خواب آلودگی خود گزارش‌شده مشهود بود. در مقایسه با رانندگی پس از خواب، رانندگان پس از شیفت شب KSS بالاتری را گزارش کردند (3.4 در مقابل 5.8، p < 0.001). افزایش LFA در 5 دقیقه آینده (3.2 در مقابل 4.4، p < 0.{{30}}01); افزایش فراوانی علائم خواب آلودگی (14.0 در مقابل 25.7، p=0.001). شکل 1A-C را ببینید. این علائم شامل تلاش برای بازکردن چشم‌ها (001/0p <)، تاری دید (007/0=0)، تکان دادن سر برای خوابیدن (001/0 {{28})، مشکل در نگه‌داشتن تا اواسط جاده (0.001 < p)، مشکل در حفظ سرعت صحیح (0.001 < p)، سرگردانی ذهن به چیزهای دیگر (p <0.001)، پاسخ ها کند بود (p< 0.001), and the head dropping down (p = 0.032). See Supplementary Figure S1. The main eThe mains of dri time were also observed for all subjective variables (p < 0.001, see Figure 1D–F), including individual sleepiness symptoms (p < 0.004, see Supplementary Figure S1), such that the frequency of all sleepiness symptoms increased as a function of drive time. No shift × drive time interactions were observed  (p > 0.079), except for difficulty keeping to the middle of the road p = 0.041) and mind wandering (p = 0.008); each becoming more frequent with drive time for the post-night-shift drive  (see Supplementary Figure S1).

خواب آلودگی ذهنی و پیش‌بینی رویدادهای رانندگی خواب‌آلود.

درایوها در سطل‌های 15-دقیقه‌ای مورد بررسی قرار گرفتند، و هر سطل در مورد یک رویداد رانندگی خواب‌آلود که در غیر این صورت رخ داده بود، دوقطعه شد. همانطور که در شکل 2 مشاهده می شود، 11 سطل برای یک رویداد رانندگی شدید (سطل زباله=10 پس از شیفت)، 71 سطل برای یک رویداد متوسط ​​(انحراف خط) مثبت (بعد از شیفت=40 سطل) مثبت بودند. 74 سطل برای رویداد خواب‌آلودگی شدید (JDS 4.{10}}) (بعد از شیفت=43 بن‌ها)، 76 سطل برای رویداد خواب‌آلودگی متوسط ​​(JDS 2.7+) (بعد از شیفت) مثبت بود.=47 سطل‌ها)، و 28 سطل برای یک رویداد ریز خواب مثبت بودند (سطل‌های پس از شیفت=23). برای رانندگی پس از شیفت، هفت شرکت‌کننده (44%) در یک رویداد شدید (نزدیک به تصادف) داشتند، در حالی که 12 شرکت‌کننده (75%) یک رویداد رانندگی متوسط ​​(انحراف خط) را نشان دادند. برای پیامدهای فیزیولوژیکی، 13 شرکت‌کننده (81%) حداقل یک رویداد خواب‌آلودگی متوسط ​​(JDS 2.{29}})، 6 نفر (38%) حداقل یک رویداد تجاری شدید (JDS 4) داشتند.{33}} و 5 نفر (31%) خواب ریز را تجربه کردند. تحلیل‌های بعدی به دنبال بررسی میزانی بود که خواب‌آلودگی فعال، وقوع یک رویداد شاهزاده خانم را در 15 دقیقه آینده (یعنی سطل بعدی) پیش‌بینی می‌کرد.

حوادث رانندگی شدید (ترمز اضطراری).

هیچ رویداد رانندگی شدید بدون علائم قابل توجه یا خواب آلودگی از قبل رخ نداد. در 15 دقیقه قبل از حوادث شدید دینگ، رانندگان یک KSS 7 یا بیشتر و احتمال به خواب رفتن در چند دقیقه بعدی را گزارش کردند (50٪ گزارش کردند که این احتمال وجود دارد یا بسیار محتمل است). حداقل یک علامت خواب‌آلودگی قبل از حوادث رانندگی شدید گزارش شده است: 90٪ از حوادث رانندگی شدید با گزارش‌هایی مبنی بر تلاش برای باز نگه داشتن E و ذهن سرگردان گزارش شده بود، 80٪ شامل گزارش‌هایی مبنی بر تاری دید و کاهش پاسخ‌ها بود، در حالی که 70 مورد شامل گزارش‌هایی مبنی بر تاری دید و کاهش پاسخ‌ها بود. % شامل احساس تکان دادن سر برای خواب، مشکل در نگه داشتن وسط جاده یا حفظ سرعت صحیح بود. تنها 30 درصد از حوادث رانندگی شدید شامل گزارش هایی از افتادن سر در 15 دقیقه قبل بود

برای هر نقطه افزایش در KSS یا LFA، به ترتیب 2.4 (p=0.016) و 2.1 (p=0.009) احتمال افزایش شدید رانندگی در 15 دقیقه بعدی وجود داشت. جدول 2 و شکل 3 را ببینید. همه علائم خواب آلودگی (SSQ) با افزایش احتمال وقوع یک رویداد شدید در 15 دقیقه آینده همراه بود، به استثنای کاهش هر یک امتیاز افزایش در مقیاس SSQ برای تلاش برای باز نگه داشتن چشم ها، بینایی مات شدن، دشواری در نگه داشتن در مرکز جاده، و از بین رفتن ذهن با بیش از 2-افزایش برابری در تصادفات رانندگی شدید قریب الوقوع همراه بود. جدول 2 و شکل 3 را ببینید.

با استفاده از تجزیه و تحلیل ROC، علائم خواب‌آلودگی مرتبط با چشم (مقاومت در باز نگه داشتن چشم‌ها و تاری دید) قوی‌ترین پیش‌بینی‌کننده‌های وقوع یک حادثه رانندگی شدید در 15 دقیقه آینده بودند (AUC 0.91، p کمتر یا برابر). به 0.001، برای هر دو). KSS، LFA و علائم خواب‌آلودگی دشواری در حفظ موقعیت l، کندتر بودن پاسخ‌ها، سرگردانی ذهن به سایر تی‌گ‌ها و آگاهی از به خواب رفتن نیز پیش‌بینی‌کننده‌های قوی یک رویداد رانندگی شدید بودند (AUC > 0.85، p < 0.004). در پوسته، توجه به افتادن سر پیش‌بینی‌کننده ضعیفی از یک رویداد رانندگی شدید بود (p=0.21). جدول 2 و شکل 4 را ببینید.

【برای اطلاعات بیشتر:george.deng@wecistanche.com / WhatApp:8613632399501】