为探究人体呼吸参数与管制工作负荷的关系,本文选取27名被试开展模拟管制实验,对不同类型工作负荷下被试的呼吸参数进行采集分析。首先,根据Spearman秩相关系数计算结果,分别获取与脑力和体力管制工作负荷显著相关的呼吸参数。然后,基...为探究人体呼吸参数与管制工作负荷的关系,本文选取27名被试开展模拟管制实验,对不同类型工作负荷下被试的呼吸参数进行采集分析。首先,根据Spearman秩相关系数计算结果,分别获取与脑力和体力管制工作负荷显著相关的呼吸参数。然后,基于有序Logistic模型方法,以显著相关的呼吸参数为自变量,5类不同严重程度的脑力和体力管制工作负荷为因变量,构建脑力负荷和体力负荷严重程度预测模型并进行似然比和拟合优度检验。进一步,绘制ROC(Receiver Operating Characteristic)曲线,检验预测模型的性能;最后,使用交叉表评价方法预测模型的准确率。结果表明:呼吸参数中,呼吸周期与脑力负荷显著相关,呼吸周期、呼吸幅值和吸呼比与体力负荷显著相关。在0.05的显著性水平下,构建的脑力负荷和体力负荷严重程度预测模型拟合效果良好,整体AUC(Area Under Curve)分别为0.679和0.753,模型均具有一定的检测性能。交叉表评价结果表明,模型对脑力和体力负荷中的高负荷状态预测效果最好,准确率分别高达88.9%和83.3%。本文研究结果能够为基于呼吸参数的管制工作负荷监测提供一定参考价值。展开更多
文摘为探究人体呼吸参数与管制工作负荷的关系,本文选取27名被试开展模拟管制实验,对不同类型工作负荷下被试的呼吸参数进行采集分析。首先,根据Spearman秩相关系数计算结果,分别获取与脑力和体力管制工作负荷显著相关的呼吸参数。然后,基于有序Logistic模型方法,以显著相关的呼吸参数为自变量,5类不同严重程度的脑力和体力管制工作负荷为因变量,构建脑力负荷和体力负荷严重程度预测模型并进行似然比和拟合优度检验。进一步,绘制ROC(Receiver Operating Characteristic)曲线,检验预测模型的性能;最后,使用交叉表评价方法预测模型的准确率。结果表明:呼吸参数中,呼吸周期与脑力负荷显著相关,呼吸周期、呼吸幅值和吸呼比与体力负荷显著相关。在0.05的显著性水平下,构建的脑力负荷和体力负荷严重程度预测模型拟合效果良好,整体AUC(Area Under Curve)分别为0.679和0.753,模型均具有一定的检测性能。交叉表评价结果表明,模型对脑力和体力负荷中的高负荷状态预测效果最好,准确率分别高达88.9%和83.3%。本文研究结果能够为基于呼吸参数的管制工作负荷监测提供一定参考价值。
