Методические подходы к оценке категорий профессионального риска, обусловленного различными видами нарушений здоровья работников, связанными с комплексом факторов рабочей среды и трудового процесса

Файл статьи: 
Иконка PDF health-risk-analysis-2020-4-3.pdf
УДК: 
613.6.027
DOI: 
10.21668/health.risk/2020.4.03
Авторы: 

Н.В. Зайцева1, П.З. Шур1, В.Б. Алексеев1, А.А. Савочкина2, А.И. Савочкин3, Е.В. Хрущева1

Организация: 

1Федеральный научный центр медико-профилактических технологий управления рисками здоровью населения, Россия, 614045, г. Пермь, ул. Монастырская, 82
2Пермский национальный исследовательский политехнический университет, Россия, 614000, г. Пермь, Комсомольский проспект, 29
3Национальный исследовательский университет «Высшая школа экономики», Россия, 101000, г. Москва, ул. Мясницкая, 20

Аннотация: 

Оценка профессионального риска, который обусловлен различными видами нарушений здоровья работников, связанными с комплексом факторов рабочей среды и трудового процесса, требует исследования возможности применения дополнительных методов, позволяющих не только количественно определить уровень профессионального риска, но и адекватно категорировать его. В качестве одного из таких методов может быть рассмотрена и применена методика оценки риска на базе анализа нечетких множеств.
Предлагаемые методические подходы к оценке профессионального риска включают последовательное выполнение следующих этапов: определение нечетких чисел, соответствующих заданным уровням профессионального риска; подготовку исходной информации (численной характеристики профессионального риска) для расчетов; вероятностную оценку принадлежности численной характеристики профессионального риска к нечетким числам, а также оценку вероятности принадлежности численной характеристики профессионального риска. Основным инструментом реализации данного метода является определение функции принадлежности трапециевидного нечеткого числа, являющегося оценкой принадлежности детерминированных оценок риска к определенной категории риска.
Предложена шкала для оценки уровней профессионального риска от пренебрежимо малого (0–1∙10-4) до экстремально высокого (3∙10-1–1) и соответствующие ей границы трапециевидного нечеткого интервала (четверки чисел, задающих трапециевидное число).
При апробировании методики в условиях выявления профессиональных заболеваний (нейросенсорной тугоухости), болезней, связанных с работой (артериальной гипертензии), и их сочетания под воздействием шумового фактора на уровне 85 дБА, показано, что функции принадлежности всех уровней риска, установленных по результатам эпидемиологических исследований равны 1.

Ключевые слова: 
профессиональный риск, категории риска, допустимый риск, шумовой фактор, трудовой процесс, факторы рабочей среды, нечеткие множества, трапециевидное нечеткое число
Методические подходы к оценке категорий профессионального риска, обусловленного различными видами нарушений здоровья работников, связанными с комплексом факторов рабочей среды и трудового процесса / Н.В. Зайцева, П.З. Шур, В.Б. Алексеев, А.А. Савочкина, А.И. Савочкин, Е.В. Хрущева // Анализ риска здоровью. – 2020. – № 4. – С. 23–30. DOI: 10.21668/health.risk/2020.4.03
Список литературы: 
  1. Топилин А.В. Трудовой потенциал России: демографические и социально-экономические проблемы формирования и использования // Вестник Российской академии наук. – 2019. – Т. 89, № 7. – С. 736–744.
  2. Измеров Н.Ф. Оценка профессионального риска и управление им – основа профилактики в медицине труда // Гигиена и санитария. – 2006. – № 5. – С. 14–16.
  3. Измеров Н.Ф., Симонова Н.И., Низяева И.В. Исследование и анализ профиля профессионального риска // Медицина труда и промышленная экология. – 2015. – № 9. – С. 60–61.
  4. Жеглова А.В. Персонифицированный профессиональный риск и трудовое долголетие // Медицина труда и промышленная экология. – 2019. – Т. 59, № 9. – С. 627.
  5. Симонова Н.И. Оценка индивидуального профессионального риска // Охрана труда и техника безопасности на промышленных предприятиях. – 2015. – № 3. – С. 15–22.
  6. Определение и оценка группового избыточного (атрибутивного) риска потерь слуха от шума / Л.В. Прокопенко, Н.Н. Курьеров, А.В. Лагутина, Е.С. Почтарёва // Медицина труда и промышленная экология. – 2019. – Т. 59, № 4. – С. 212–218.
  7. Чеботарёв А.Г., Гибадулина И.Ю. Профессиональные риски, патология органов дыхания горнорабочих, обслуживающих самоходные машины с дизельным приводом // Горная промышленность. – 2016. – № 2 (126). – С. 75.
  8. Валеева Э.Т., Бакиров А.Б., Каримова Л.К. Профессиональный риск для здоровья работников химической промышленности // Вестник Российского государственного медицинского университета. – 2013. – № 5–6. – С. 124–128.
  9. Мещакова Н.М., Рукавишников В.С. Профессиональный риск ущерба здоровью у работников современного производства сульфатной целлюлозы // Бюллетень Восточно-Сибирского научного центра Сибирского отделения Российской академии медицинских наук. – 2011. – № 3–2 (79). – С. 123–128.
  10. Сетко Н.П., Булычева Е.В. Современные аспекты оценки профессиональных факторов риска и здоровья рабочих предприятий нефтехимической промышленности (обзор) // Оренбургский медицинский вестник. – 2017. – Т. 5, № 3 (19). – С. 4–9.
  11. Климова И.В. Применение методов нечеткого моделирования для решения задач техносферной безопасности // Горный информационно-аналитический бюллетень (научно-технический журнал). – 2019. – № S7. – С. 87–98.
  12. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. – М.: Мир, 1976. – 166 с.
  13. Fuzzy logic based risk assessment system giving individualized advice for metabolic syndrome and fatal cardiovascular diseases / H. Korkmaz, E. Canayaz, S. Birtane, A. Altıkardeş // Technol Health Care. – 2019. – Vol. 27, № 1. – P. 59–66. DOI: 10.3233/THC-199007
  14. Fuzzy decision support systems to diagnose musculoskeletal disorders: A systematic literature review / M. Farzandipour, E. Nabovati, S. Saeedi, E. Fakharian // Comput Methods Programs Biomed. – 2018. – № 163. – P. 101–109. DOI: 10.1016/j.cmpb.2018.06.002
  15. Miranda G.H.B., Felipe J.C. Computer-aided diagnosis system based on fuzzy logic for breast cancer categorization // Computers in Biology and Medicine. – 2015. – Vol. 64, № 1. – P. 334–346. DOI: 10.1016/j.compbiomed.2014.10.006
  16. Alonso A.L., Rosas-Jaimes O.A., Suarez-Cuenca J.A. Fuzzy Logic Assisted Diagnosis for Atherogenesis Risk // IFAC Proceedings Volumes. – 2013. – Vol. 46, № 31. – P. 244–248.
  17. Zimmerman H.-J. Fuzzy Set Theory and its Applications. – Dordrecht: Kluwer Academic Publishers, 1996. – 315 p.
Получена: 
10.09.2020
Принята: 
08.12.2020
Опубликована: 
30.12.2020

Вы здесь

Главная