Kontekst badania
Pracownicy ochrony zdrowia, szczególnie w czasie pandemii COVID-19, doświadczają znacznego obciążenia cieplnego z powodu pracy w medycznym sprzęcie ochronnym (MPE). Tradycyjne modele oceny komfortu cieplnego nie uwzględniają złożonych interakcji między warunkami środowiskowymi, właściwościami MPE i indywidualnymi reakcjami organizmu. W literaturze brakuje kompleksowych modeli predykcyjnych opartych na danych rzeczywistych i nowoczesnych algorytmach uczenia maszynowego.
Cele i hipotezy
Celem badania było opracowanie modelu predykcji komfortu cieplnego dla pracowników ochrony zdrowia przy użyciu algorytmów uczenia maszynowego, z uwzględnieniem minimalnego zestawu łatwo mierzalnych parametrów (temperatura powietrza, czas ekspozycji, płeć, lokalne temperatury skóry). Postawiono hipotezę, że model zespołowy (ensemble learning), w szczególności metoda Stacking, osiągnie wyższą skuteczność niż pojedyncze algorytmy.
Metody badawcze
Eksperyment przeprowadzono w komorze klimatycznej, symulując typowe warunki letnie w Guangzhou (26–34 °C, wilgotność względna 70%). Uczestniczyło 20 osób (10 kobiet, 10 mężczyzn), które przez 120 minut wykonywały symulowane zadania biurowe w MPE. Pomiary obejmowały temperatury skóry w wielu punktach, tętno oraz subiektywne oceny komfortu cieplnego (TSV, TCV, TAV). Dane zebrano w odstępach 10-minutowych, tworząc zbiór 1248 rekordów. Zastosowano algorytmy ML: LR, SVM, KNN, DT, a także metody zespołowe (Bagging, Boosting, Stacking). Modele oceniano za pomocą miar Accuracy, Precision, Recall i F1.
Rezultaty badań i ich interpretacja
Temperatury skóry i odczucia cieplne były istotnie zależne od temperatury otoczenia i czasu ekspozycji. Kobiety wykazywały wyższe wartości TSV i większy dyskomfort niż mężczyźni Modele zespołowe przewyższały pojedyncze algorytmy; Stacking osiągnął najwyższą skuteczność: 89% Accuracy i 87% F1. Optymalny zestaw wejściowych zmiennych to: temperatura otoczenia, czas ekspozycji, płeć, temperatura skóry klatki piersiowej i grzbietu dłoni.
Wnioski
Opracowany model Stacking umożliwia dokładną predykcję komfortu cieplnego pracowników medycznych w warunkach wysokiej temperatury, przy minimalnym zestawie parametrów łatwych do pomiaru. Może stanowić podstawę do stworzenia systemu predykcji w czasie rzeczywistym, wspierającego ochronę zdrowia i wydajność pracy.
Ograniczenia zakresu badawczego
Badanie prowadzono w warunkach laboratoryjnych, co ogranicza uogólnienie wyników na dynamiczne środowiska pracy szpitalnej. Uwzględniono niewielką próbę (20 osób), brak różnorodności wiekowej i fizjologicznej. Model bazował głównie na temperaturze powietrza, pomijając wpływ wilgotności, prędkości powietrza, stresu psychicznego czy zmienności metabolizmu. Krótki czas ekspozycji (120 min) nie odzwierciedla pełnego obciążenia cieplnego przy długotrwałym noszeniu MPE .
Artykuł opublikowano w Energy and Buildings.