CogniFit - Uyku Kaybına Tepkide Bireysel Farklılıkları Tahmin Etme: Güncel Tekniklerin Uygulanması

İsim: Predicting Individual Differences in Response to Sleep Loss: Application of Current Techniques.

Yazarlar: Joseph F. Chandler1, Richard D. Arnold1, Jeffrey B. Phillips1, Ashley E. Turnmire1.

• 1. Naval Medical Research Unit.

Journal: Aviation, Space and Environmental Medicine (2013), vol. 84 (9): 927-937.

Bu makaleye referanslar (APA style)::

• Chandler, J. F., Arnold, R. D., Phillips, J. B., Turnmire, A. E. (2013). Predicting Individual Differences in Response to Sleep Loss: Application of Current Techniques. Aviat Space Environ Med., vol.84, pp.927-937.

Sonuç Çalışması

CogniFit, bireysel kullanıcı yorgunluk performansını tahmin etmek için oldukça alakalı değişkenleri ölçebilir. Bu, askeri pilotlar ve siviller için kaza riskini azaltmaya yardımcı olabilir, çünkü yorgunluk çeşitli kazalarda tekrarlanan bir değişkendir. . Prediktif modellerde yanıt süresi (p = 0.009), kısa süreli hafıza (p = 0.023), bölünmüş dikkat (p = 0.026) veya bilişsel esneklik (p = 0.002) gibi bazı değişkenler dahil olmak üzere, açıklanan varyans yüzdesi % 13.8 ila% 35.7.

Çalışma Özeti

Yorgunluk, askeri nakliye sırasında güvenliği tehlikeye sokan temel faktörlerden biridir. Yorulmaya yanıtı öngören modeller, yorgunluk duyarlılığındaki bireysel farklılıkları hesaba katmadıkları için henüz yeterince doğru değildir. Bunun yerine, bireysel farklılıkları hesaba katan CogniFit ve oculometric gibi araçlar kullanılarak bilişsel ölçümler yapılırsa, bu modellerin öngörücü kapasitesinin geliştirilebileceği önerildi.

Farklı bilişsel ve okülometrik değişkenler dinlenmiş katılımcılarda ve 25 saatlik bir uyanıklık sürecinde her 3 saatte bir ölçülmüştür (böylece grup ve bireysel puanlar elde edilmiştir). Gerçek performansı beklenen performansla karşılaştırmak da mümkündü. Sonuçlar, bu önlemleri önceden var olan modellere ekleyerek varyansın % 13.8'ini -% 35.7'sini açıkladıklarını göstermiştir. Bu şu demek, CogniFit kullanmak ve bireysel farklılıkları tespit etmek için diğer önlemler, yorgunluk sırasındaki performans tahminini büyük ölçüde iyileştirebilir ve böylece güvenliği artırabilir.

Bağlam

Uykusuzluğa bağlı yorgunluk en önemli risklerden biridir hem askeri hem de sivil ulaşımla karşı karşıya kalıyorlar. Prensip olarak, bu sorunların çözümü uygun şekilde uyuman ve / veya uyuşturucuya başvurmak olacaktır. Ancak, bazen bu yeterli değil. Bunun çoğu, bir kişinin performansını tahmin ederek veya bir bireyin doğru zamanda hareket etme yeteneğini doğrudan ölçerek önlenebilir. Bu tahmin modeli ise, kendi başına ılımlı bir etkiye sahiptir.

Bu modelin göreceli başarı eksikliği, tüm bireylerin benzer sirkadiyen ritim ve yorgunluğa cevap verdiğini varsayarken, araştırmalar bu ortamlardaki bireysel farklılıkların anlamlı olduğunu göstermektedir. Bu tepkiyle yorgunluğa müdahale eden yönlerden bazıları kişinin bilişsel işleyişidir.

Bu nedenle, bilişsel ve okülometrik ölçümler gibi bireysel farklılıkları hesaba katan ölçümleri dahil edersek, öngörücü modelin etkinliğinde bir artış beklenebilir.

Metodoloji

Katılımcılar

Katılımcılar, Donanma Hava İstasyonu Pensacola'daki Donanma Havacılık Preflight Indoctrination (API) programından 15 gönüllüden oluşuyordu, askeri personele hizmet etmek (Yaş ortalaması 24,7 ve 21,5 olan 13 erkek ve 2 kadın). Çalışmaya katılmak için, alkol, kafein ve tütün kullanımı kontrol edildi ve nörolojik, psikiyatrik ya da uyku ile ilgili problemlerden arındırılmış olmaları gerekiyordu.

Prosedür

Uyku yoksunluğunun hem grup hem de bireysel düzeylerde bilişsel ve okülometrik performans üzerine etkilerini öğrenmek için tekrarlanan önlemlerin tasarımı yapıldı. İlk olarak, temel kaydedildi ve daha sonra veriler uyku yoksunluğu sırasında alındı.

İstatistiksel analiz

Analiz üç adımda gerçekleştirildi:

• Adım 1: Her bir denemede ölçülen her bir kriter ve yordayıcı değişkeni için bir dizi ANOVA gerçekleştirildi. Bu, hangi değişkenlerin zaman içinde değişiklik gösterdiğini belirledi.
• Adım 2: Sabit ve rastgele etkilere sahip bir çift değişkenli doğrusal hiyerarşik model serisi, yorgunluğun ne zaman daha düşük bir verim üreteceğini tahmin etmek ve ardından grup analiz seviyesinde tespit edilmeyen farklılıkları keşfetmek amacıyla gerçekleştirildi. Bir grup etkisi (p <0.05) ve bu genel etki içindeki bireysel farklılıklar (0 <0.05) tespit edildi. Bunu takiben, gangi yordayıcı değişkenlerin istatistiksel düzeyde açıklayıcı varyansı ve kavramsal ilişkiyi paylaştığını bilmek için çok değişkenli çok hiyerarşik bir doğrusal model uygulandı.
• Adım 3: Önceki adımın anlamlı yordayıcı değişkenlerinden bir dizi genel doğrusal model yapılmıştır. Bu nedenle amaç, bilişsel ve okülometrik faktörleri dikkate alarak modelin öngörücü kapasitesini bilmek oldu.

Sonuçlar ve Yorumlar

Veri analizinin 1. adımında, grubun etkileri elde edildi. Tepki süresi (p = 0.009), kısa süreli hafıza (p = 0.023), bölünmüş dikkat (p = 0.026) ve bilişsel esneklik (p = 0.002) üzerinde önemli etkiler olduğu görülmüştür. Yorgunlukta, bu bilişsel yeteneklerin performansında bir azalma oldu, bu yüzden bir sonraki adımda yordayıcı değişkenler olarak göz önüne alındı. Analizin 2. Adımında, bireysel farklılıklar, sabit veya rastgele etkilere sahip farklı değişkenler arasındaki anlamlı ilişkiler yoluyla elde edildi. Veri analizinin Adım 3, Sadece klasik tahmin ölçüleri kullanıldığında, tahminlerin sadece varyansın% 13,8'ini karşılayabileceği görülmüştür. Buna karşılık, anlamlı bilişsel değişkenler eklemek, tahminler varyansın% 35.7'sini oluşturabilir.

Bu sonuçlar, normal yordayıcı modellere yorulma duyarlı bazı değişkenler eklemenin, CogniFit önlemleri gibi, performansın yorgunluktan ne zaman etkileneceğini daha doğru tahmin etmemize yardımcı olabilir. Bu bilgileri bilmek, kazaları önlemek ve hem askeri hem de sivil uçaklarda ihtiyati tedbirler almak için çok yararlı olabilir.