К ВОПРОСУ ОЦЕНКИ УСЛОВИЙ ТРУДА РАБОТНИКОВ ТЯЖЁЛОЙ ПРОМЫШЛЕННОСТИ.

АННОТАЦИЯ

В ходе исследования выполнен анализ условий труда, состояние здоровья и иммунной системы работников тяжелой промышленности. На сотрудников предприятий тяжелой промышленности воздействует комплекс факторов производственной среды. Выявлены синдромы иммунной недостаточности, установлена взаимосвязь условий труда с общей и хронической заболеваемостью работников лабораторий.

Ключевые слова: промышленность, иммунная система, заболеваемость, факторы, производственная среда.

Произведена обширная оценка условий труда работников промышленных производств по клиническим разделам медицины, к сожалению, в доступной литературе, недостаточно сведений об оценке условий труда и состоянии здоровья работников тяжелой промышленности. В то же время известно, что на них воздействует множество опасных факторов: повышенный уровень шума, высокие вибрации и температуры, загазованность, запыленность, содержание вредных веществ в рабочей зоне, которые влияют на состояние здоровья работников [1].

Известно, что иммунная система во многом определяет способность организма к адаптации к постоянно изменяющимся условиям внешней среды. В этом плане диагностика и прогнозирование заболеваний для сохранения здоровья работников тяжелой промышленности представляется перспективным исследованием, результаты которого позволят разработать систему поддержки принятия решений (СППР) [5].

Перед современной системой поддержки принятия решений стоит одна

из самых главных задач - помощь врачам на месте оказания медицинской помощи [5]. Это означает, что врачи используют СППР для установления максимально быстрой и точной постановки диагноза пациента, на основании имеющихся данных о нем. В теории, которая существовала ранее, было мнение, что СППР должна предоставлять готовые клинические решения. Врач вводит имеющуюся информацию о пациенте и ждёт, пока СППР предоставит «правильный» вариант, вслед за чем он будет лишь следовать предложенному алгоритму. Однако современная методология применения СППР в качестве вспомогательного средства предполагает, что врач взаимодействует с СППР, используя не только собственные знания, но и информацию, хранящуюся в системе, что позволяет более адекватно анализировать данные, имеющиеся в отношении пациента, в сравнении с изолированным анализом со стороны оператора и СППР. В типичной ситуации СППР выдаёт врачу возможные варианты для ознакомления, из которых врач выбирает наиболее верное, отсеивая не подходящие варианты предложенные системой [4]. СППР, используемые для диагностики заболевания, выполняют анализ и фильтрацию диагноза, что в последствии повышает точность определения диагноза. Для прогнозирования будущих заболеваний - прибегают к помощи постдиагностических систем, которые делают сравнительный анализ клинических данных полученных ранее и состоянием здоровья пациента в данный момент. Предполагается, что постдиагностические системы значительно улучшат качество медицинского обслуживания и снизят рутинные задачи врачей к минимуму. В медицине СППР разделяют на два типа: “знаниевые” и “незнаниевые”.Знаниевые СППР базируются на научных знаниях. В системе поддержки принятия решений выделяют три основные части: информационные базы, механизм логических выводов и механизм коммуникаций. Информационная база, чаще всего принимает форму ЕСЛИ-ТО, которая содержит правила и связи данных мета анализа. Если рассматривается система взаимодействия лекарственных препаратов, то данная система может предупредить пользователя при назначении нескольких препаратов одновременно. В связи с появлением новых лекарственных препаратов, пользователь сможет редактировать информационную базу, для поддержания её актуальности. Механизм логических выводов – связывает между собой информационную базу с данными пациента [6]. Механизм коммуникации – предоставляет оператору проанализированные результаты и отвечает за то, чтобы данные оказались в системе.Для решения поставленной задачи были изучены условия труда и состояние здоровья с учетом иммунного статуса работников. Анализ заболеваемости работников тяжелой промышленности показал, что самой распространенной патологией являются хронические воспалительные заболевания органов дыхания, сердечно-сосудистой, мочеполовой системы, а также высокая частота заболевания нервной системы, что приводит к ухудшению общего состояния здоровья, в последствии вызывают способствуют развитию хронических заболеваний [6]. Основываясь на результаты осмотра врача аллерголога-иммунолога у преобладающего количества всех работников были выявлены клинические признаки иммунной недостаточности. При оценке иммунного статуса обследованных работников установлено, что по частоте встречаемости синдромов иммунной недостаточности у работников является на очень высоком уровне.

С учетом изученных условий труда и состояние здоровья работников тяжелой промышленности, диагностика и прогнозирование заболеваний работников является крайне необходимой задачей [2]. Анализ современных подходов к решению проблем повышения качества охраны здоровья путем снижения профессиональных заболеваний работников, показал, что за рубежом и в России для анализа профессиональной заболеваемости используют два типа моделей: по гигиеническим критериям путем сравнения воздействующих факторов риска с предельно допустимыми концентрациями (ПДК) или предельно допустимыми уровнями (ПДУ); по медикобиологическим критериям с использованием индекса профессиональной заболеваемости, анализ которых показал, что выявленные изменения, с большей вероятностью, связаны с комплексом воздействующих факторов, которые оказывают неблагоприятное влияние на состояние иммунной системы организма, и в данной ситуации оценка их величин по предельно допустимым концентрациям (ПДК) неприемлема, предполагается проводить оценку их воздействия предельно допустимому уровню (ПДУ), по медикобиологическим критериям с использованием индекса профессиональной заболеваемости. При этом основная масса исследований связана с анализом имеющейся заболеваемости, по которому достаточно сложно построить надежно «работающие» прогнозирующие модели и модели, позволяющие диагностировать ранние стадии профессиональных заболеваний [4]. Получение прогнозирующих и диагностических моделей, обеспечивающих требуемое для практического здравоохранения качество принятия решений, усложняется тем, что анализируемые факторы риска часто имеют неполную и нечеткую природу, а исследуемая структура классов обладает значительными областями пересечений, которые с трудом поддаются соответствующему аналитическому описанию [3].

Таким образом, прогнозирование и диагностика заболеваний иммунной системы наиболее целесообразно при проведении ежегодных профилактических медицинских осмотров либо оценки иммуннограммы при обращении сотрудников по поводу заболеваний. По итогам даигностики состояния иммунной системы работников разрабатываются профилактические и лечебные мероприятия: рациональный режим труда и отдыха, сбалансированное научно обоснованное питание, стимулирующая и замещающая терапия нарушений в иммунной системе.

Список литературы:

1. Мартынов, А.И. Исследование возможности прогнозирования величины риска развития иммунодефицитных состояний у сотрудников, работающих в условиях профессиональной вредности // Экологическая иммунология. -2003. —№3. -С. 173-175.
2. Мартынова А.П. Безопасность жизнедеятельности. Раздел 1. Гигиена труда. Учебно- практическое пособие – М., МГУТУ, 2004 – 74 с.
3. Безопасность жизнедеятельности: Учеб. пособие. 2-е изд., перераб.и доп. / Под ред. проф. П.Э. Шлендера. — М.: Вузовский учебник, 2008. - 304 с.
4. Шляхецкий, Н.С. Биологический фактор как профессиональная вредность // Медицина труда и промышленная экология. - 2002.-№8.-С. 20-23.
5. Кореневский Н.А., Коростелев А.Н., Стародубцева Л.В. и др. Метод оценки функционального резерва человека-оператора на основе комбинированных правил нечеткого вывода // Биотехносфера, 2012. № 1(19).  С. 44-49.
6. Мясоедова, М. А. Прогнозирование и ранняя диагностика профессиональных заболеваний работников электроэнергетической отрасли на основе гибридных нечетких моделей [Текст]: автореф.  На соискание канд. техн. наук: 05.11.17 / Мясоедова Марина Анатольевна. Курск 2019. 3с.