Assessing Flight Crew Fatigue under Extra Augmented Crew Schedule Using a Multimodality Approach
Notice bibliographique
Résumé
During the COVID-19 pandemic, the question of how to reduce the risk of viral infection for international airline pilots without increasing the risk of fatigue was a novel and urgent theoretical and practical problem, which had never been encountered in the world civil aviation industry. A new scheduling method implemented by the Civil Aviation Administration of China (CAAC) is the extra augmented crew (EAC) schedule, which avoids crew layover in another country on international flights by extending the maximum duty time and adding two additional crew members to such long-haul flights. In this study, a multi-day flight crew fatigue assessment was conducted to evaluate the impact of EAC flight. We recruited 71 pilots as participants, and their fatigue during EAC flights was measured using a multimodality approach integrating a subjective fatigue report, a psychomotor vigilance task, sleep monitoring, and biomathematical model predictions. The results showed that the subjective fatigue level increased during duty time compared to off-duty time, but still with acceptable levels of under 7, as measured by the Karolinska Sleepiness Scale; objective secondary task performance, as measured by the classic psychomotor vigilance task, showed no differences; pilots were able to get around 6 h of sleep, although they slept less during duty time compared to off-duty time. Model fitting using the FAID biomathematical model of fatigue confirmed that the EAC scheduling was compliant with the FAID tolerance level 91.3% of the time. The results suggest that the EAC flight created some moderate level of increased fatigue but no severe fatigue to cross-continent long-haul flight crews. This research can inform current and future scheduling and fatigue risk control during the pandemic or for future time-sensitive periods.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».