O015 Sleep, Stress, and Cognitive Fatigue in Canadian Wildland Firefighters
Notice bibliographique
Résumé
Abstract Background Wildland firefighting requires continuous attention while exposed to long working hours and sub-optimal sleep. These stressors may induce a state of cognitive fatigue, which poses a risk to worker safety due to impaired judgment and reduced awareness. Methods The current study employs a within-subject, observational design to examine the effect of sleep and schedule characteristics on variables related to stress and cognitive function. Cognitive function is measured subjectively, via validated 7-point scales (i.e. Samn-Perelli Fatigue Scale and Stanford Sleepiness Scale), and objectively, via reaction time on the psychomotor vigilance task. Sleep is measured via sleep log and wrist-worn actigraphy. Stress via autonomic nervous system imbalance is measured by changes in heart rate variability (i.e. chest monitor). Linear regression analyses will be performed to test if sleep or schedule variables predict stress or cognitive function. Progress to date A pilot study (N=4) was conducted during the 2021 fire season to inform methodology. As of July 2022, a representative sample of 50 firefighters (13 F) have been recruited across all regions of British Columbia (BC), Canada. Data collection for the current study is ongoing and will continue until September 2022. Intended outcome and impact This investigation entails both theoretical and applied benefits. Its direct relevance to occupational health and safety could improve worker safety (1) by providing insight and recommendations towards improved fatigue management policy within the BC Wildfire Service and (2) by testing the practicality of mobile tools designed to monitor levels of sleep, stress, and cognitive function.
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 | 0,001 | 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) | 0,001 | 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 ».