Прогнозирование профессиональной успешности работника в условиях воздействия трудовых нагрузок: новый подход

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Предложен новый персонифицированный подход для прогнозирования профессиональной пригодности работников железнодорожного транспорта (РЖД) в условиях воздействия трудовых нагрузок, основанный на исследовании влияния слюнной жидкости испытуемых до и после рабочей смены на интенсивность свечения биферментной реакции светящихся бактерий: НАДН:ФМН-оксидоредуктаза+люцифераза. В основе этого интегрального ферментативного теста, сигнализирующего о величине воздействия трудовых нагрузок на организм, лежит изменение под их влиянием таких компонентов слюны, как лактат, ионы и катионы, а также хлориды нитратов и сульфаты. Это позволило выявить на примере диспетчеров РЖД группу риска и группу адаптированных к нагрузкам работников, что важно для уменьшения аварийности на РЖД. Определены условия, снижающие сверхнормативную рабочую нагрузку и необходимые для разработки эффективных мер в целях профилактики аварийных ситуаций и сохранения трудоспособности работников.

Полный текст

Доступ закрыт

Об авторах

Г. В. Жукова

Сибирский федеральный университет

Автор, ответственный за переписку.
Email: gvivanova@sfu-kras.ru
Россия, Красноярск

О. С. Сутормин

Сибирский федеральный университет; Сургутский государственный университет

Email: gvivanova@sfu-kras.ru
Россия, Красноярск; Сургут

Л. В. Степанова

Сибирский федеральный университет

Email: gvivanova@sfu-kras.ru
Россия, Красноярск

В. А. Кратасюк

Сибирский федеральный университет; Сургутский государственный университет; Институт биофизики СО РАН

Email: gvivanova@sfu-kras.ru
Россия, Красноярск; Сургут; Красноярск

Список литературы

  1. Vetter C., Dashti H.S., Lane J.M. et al. Night shift work, genetic risk, and type 2 diabetes in the UK Biobank // Diabetes Care. 2018. V. 41. № 4. P. 762.
  2. Shan Z., Li Y., Zong G. et al. Rotating night shift work and adherence to unhealthy lifestyle in predicting risk of type 2 diabetes: Results from two large US cohorts of female nurses // BMJ. 2018. V. 363. P. k4641.
  3. Karasek R., Brisson C., Kawakami N. et al. The Job Content Questionnaire (JCQ): An instrument for internationally comparative assessments of psychosocial job characteristics // J. Occup. Health Psychol. 1998. V. 3. № 4. P. 322.
  4. Siegrist J. Adverse health effects of high-effort/low-reward conditions // J. Occup. Health Psychol. 1996. V. 1. № 1. P. 27.
  5. Streckfus C., Bigler L. Saliva as a diagnostic fluid // Oral Dis. 2002. V. 8. № 2. P. 69.
  6. Marvin R.K., Saepoo M.B., Ye S. et al. Salivary protein changes in response to acute stress in medical residents performing advanced clinical simulations: A pilot proteomics study // Biomarkers. 2017. V. 22. № 3–4. P. 372.
  7. Henckens M.J.A.G., Klumpers F., Everaerd D. et al. Interindividual differences in stress sensitivity: Basal and stress-induced cortisol levels differentially predict neural vigilance processing under stress // Soc. Cogn. Affect. Neurosci. 2016. V. 11. № 4. P. 663.
  8. Birditt K.S., Tighe L.A., Nevitt M.R., Zarit S.H. Daily social interactions and the biological stress response: Are there age differences in links between social interactions and alpha-amylase? // Gerontologist. 2018. V. 58. № 6. P. 1114.
  9. Сарф Е.А., Бельская Л.В. Оценка уровня психоэмоционального стресса у обучающихся с использованием биохимического анализа слюны // Наука и образование сегодня. 2023. Т. 13. № 4. С. 218.
  10. Bel’skaya L., Kosenok V., Sarf E. Chronophysiological features of the normal mineral composition of human saliva // Arch. Oral Biology. 2017. V. 82. Р. 286.
  11. Briguglio G., Teodoro M., Italia S. et al. Salivary biomarkers and work-related stress in night shift workers // Int. J. Environ. Res. Public Health. 2021. V. 18. № 6. P. 3184.
  12. Feijen S., Tate A., Kuppens K. et al. Monitoring the swimmer’s training load: A narrative review of monitoring strategies applied in research // Scand. J. Med. Sci. Sports. 2020. V. 30. № 11. Р. 2037.
  13. Maina G., Bovenzi M., Palmas A., Larese Filon F. Associations between two job stress models and measures of salivary cortisol // Int. Arch. Occup. Environ. Health. 2009. V. 82. № 9. P. 1141.
  14. Bellingrath S., Weigl T., Kudielka B.M. Cortisol dysregulation in school teachers in relation to burnout, vital exhaustion and effort-reward-imbalance // Biol. Psychol. 2008. V. 78. № 1. P. 104.
  15. Ota A., Mase J., Howteerakul N. et al. The Effort-reward Imbalance work-stress model and daytime salivary cortisol and dehydroepiandrosterone (DHEA) among Japanese women // Sci. Rep. 2015. V. 4. P. 6402.
  16. Kolosova E.M., Sutormin O.S., Shpedt A.A. et al. Bioluminescent-inhibition-based biosensor for fullprofile soil contamination assessment // Biosensors. 2022. V. 12. № 5. P. 353.
  17. Есимбекова Е.Н., Торгашина И.Г., Калябина В.П., Кратасюк В.А. Ферментативное биотестирование: научные основы и применение // Современные проблемы экологии. 2021. Т. 28. № 3. С. 364.
  18. Kratasyuk V.A., Stepanova L.V., Ranjan R. et al. A noninvasive and qualitative bioluminescent assay for express diagnostics of athletes’ responses to physical exertion // Luminescence. 2020. V. 36. № 2. P. 384.
  19. Zhukova G.V., Sutormin O.S., Sukovataya I.E. et al. Bioluminescent-triple-enzyme-based biosensor with lactate dehydrogenase for non-invasive training load monitoring // Sensors. 2023. V. 23. № 5. P. 2865.
  20. Храмов В.А., Савин Г.А. Простой метод определения лактата в биологических жидкостях // Гигиена и санитария. 1995. № 4. С. 52.
  21. Бельская Л.В., Сарф Е.А., Косенок В.К. Биохимия слюны: методы исследования (методическое пособие). Омск: Омскбланкиздат, 2015. 70 с.
  22. Волчегорский И.А., Налимов А.Г., Яровинский Б.Г., Лифшиц Р.И. Сопоставление различных подходов к определению продуктов ПОЛ в гептан-изопропанольных экстрактах крови // Вопр. мед. химии. 1989. Т. 35. № 1. С. 127.
  23. Бельская Л.В. Применение капиллярного электрофореза для определения минерального состава слюны человека // Бюллетень науки и практики. 2017. № 2. С. 132.
  24. Вышедко А.М., Степанова Л.В., Коленчукова О.А., Кратасюк В.А. Биофизический анализ слюны в оценке функционального состояния организма спортсмена // Теория и практика физической культуры. 2019. № 7. С. 65.
  25. Мандра Ю.В., Каминская Л.А., Светлакова Е.Н. и др. Динамика изменения биохимического состава слюны под влиянием углеводсодержащих продуктов “Легкого питания” // Проблемы стоматологии. 2016. Т. 12. № 4. С. 10.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Изменение усредненного показателя остаточного свечения для слюны и концентрации лактата в слюне до и после рабочей смены в течение 5 нед. у сотрудников, относящихся к 1-й подгруппе (А), 2-й подгруппе (Б) и 3-й группе (В) обследуемых

Скачать (399KB)
Метаданные

© Российская академия наук, 2024

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».