بررسی تغییرات ریتم آلفا به منظور ردیابی خستگی ذهنی راننده در روی شبیه ساز رانندگی

خستگی ذهنی یکی از علل اصلی حوادث جاده ای است. بیش از 30 درصد حوادث به علت خواب آلودگی و خستگی راننده اتفاق می افتد، لذا شناسایی ابزارها و روش هایی به منظور تشخیص زود هنگام خستگی و خواب آلودگی از اهمیت بسیاری در پیشگیری از حوادث برخورداراست. در این میان استفاده از روش های بیولوژیکی مانند EEG می تواند از معتبرترین روش ها باشد.
مطالعه حاضر به روش توصیفی-تحلیلی در روی 19 نفر از رانندگان سواری مرد انجام گردید. به منظور القای بیشتر خستگی از رانندگان خواسته شد که حداقل 18 ساعت قبل از آزمایش نخوابند و 12 ساعت پیش از آن از خوردن نوشیدنی های کافیین دار و مواد محرک خودداری نمایند. وضعیت خواب رانندگان از طریق فرم یادداشت خواب از یک هفته قبل کنترل می شد. رانندگان می بایست یک جاده 110 کیلومتری را با سرعت 90 کیلومتر در ساعت با حفظ مسیر حرکت طی کنند. میزان خستگی ذهنی در هر 10 دقیقه با مقیاس خواب آلودگی کرولینسکا ثبت می شد. همچنین ارزشیابی ویدیویی از چهره راننده از لحاظ خستگی در هر 10 دقیقه توسط دو نفر از پژوهشگران آموزش دیده انجام می شد. در طول رانندگی روی شبیه ساز، امواج مغزی با 16 کانال ثبت می شد. پس از فیلترکردن و حذف سیگنال های مزاحم، توان نسبی و مطلق آلفا در کانال های مختلف محاسبه گردید. سپس از آمار توصیفی و ضریب همبستگی اسپیرمن و آزمون تی زوجی برای آزمون همبستگی و مقایسه میانگین ها در 10 دقیقه ابتدایی و انتهایی رانندگی استفاده شد.
این مطالعه نشان داد که بین میزان خودارزیابی خستگی در 10 دقیقه ابتدایی و انتهایی مسیر اختلاف معنادار وجود داشت(001/0>P). این امر در مورد ارزشیابی ویدیویی نیز صدق می کرد. میانگین توان مطلق آلفا در 10 دقیقه انتهایی نسبت به 10 دقیقه ابتدایی مسیر افزایش معنادار داشت(001/0>P)، در حالی که توان نسبی آلفا در 10 دقیقه انتهایی نسبت به 10 دقیقه ابتدایی مسیر تفاوتی نداشت.
خستگی ذهنی راننده یکی از مشکلات بسیار مهم رانندگان از دیدگاه ایمنی جاده به حساب می آید. این مطالعه حاکی است که امواج مغزی و بویژه توان مطلق آلفا می تواند شاخص خوبی برای پیش بینی زودهنگام خستگی ذهنی راننده باشد.