Using a biomathematical model to assess fatigue risk and scheduling characteristics in Canadian wildland firefighters
Notice bibliographique
Résumé
This study examined the shift parameters that contribute to sleep loss and on-duty fatigue in British Columbia Wildfire Service (BCWS) firefighters using sleep–wake data, work–rest data and alertness and fatigue predictions from a biomathematical model (BMM) of fatigue. A total of 40 firefighters (age: 30.4 ± 11.6 years; 13 F, 26 M) volunteered over a 14-day consecutive fireline deployment, followed by a 3-day rest period, at two separate fires in British Columbia (during the 2015 fire season). Sleep–wake data were obtained using a wrist-worn accelerometer and self-reported sleep logs. Shift start and end times were provided by the BCWS at the completion of the study. Sleep and shift data were manually entered into a validated BMM (Circadian Alertness Simulator) to generate fatigue scores and shift work patterns. Shift duration was the major contributor to fatigue, as 46% (n = 274) of shifts were ≥14 h in length and the average shift length was 13.0 ± 0.62 h. However, none of the firefighters had a high-risk fatigue score (>60). The findings from this study indicated that using a BMM of fatigue can provide important insights into shift-work parameters that contribute to workplace fatigue and sleep loss in wildland firefighters.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».