새로운 인공 신경망과 고전적 회귀 방법을 기반으로 한 산업 근로자의 청력 손실 정도의 경험적 추정

배경: 예측 모델은 다양한 의학 분야에서 사용되며, 실제 사례에서 얻은 데이터를 기반으로 경험에 따라 자주 구축됩니다. 이 연구는 산업 근로자들의 청력 손실 추정을 위한 인공 신경망과 로지스틱 회귀 기법의 잠재력을 분석하는 것을 목표로 하였습니다. 재료 및 방법: 이란 서부에 위치한 한 제철소에서 근무하는 210명의 근로자가 선정되었고, 이들의 직업적 노출 이력이 분석되었습니다. 연구된 근로자들의 청력 손실 역치는 교정된 청력계(audiometer)를 사용하여 결정되었습니다. 개별 소음 노출도 작업 장소에서 소음 측정기를 사용하여 측정되었습니다. 청력 손실에 영향을 미칠 수 있는 다섯 가지 변수에서 수집된 데이터가 입력 특성으로 사용되었고, 청력 손실 역치는 예측 방법의 목표 특성으로 간주되었습니다. 다층 피드포워드 신경망과 로지스틱 회귀는 MATLAB R2011a 소프트웨어를 사용하여 개발되었습니다. 결과: 세계보건기구의 청력 손실 등급 분류에 따르면, 연구된 근로자의 74.2%는 정상 청력 역치를 가지고 있으며, 23.4%는 경미한 청력 손실, 2.4%는 중간 정도의 청력 손실을 가지고 있습니다. 청력 손실 등급의 예측을 위한 최상의 개발된 신경망의 정확도와 카파 계수는 각각 88.6 및 66.30이었습니다. 로지스틱 회귀의 정확도와 카파 계수는 각각 84.28 및 51.30이었습니다. 결론: 신경망은 로지스틱 회귀보다 청력 손실에 대한 더 정확한 예측을 제공할 수 있습니다. 예측 방법은 직업 건강 및 의학 전문가에게 신뢰할 수 있고 이해할 수 있는 정보를 제공할 수 있습니다.