other مروری بر مطالعات سنسورهای تشخیص‌دهنده خواب‌آلودگی راننده و ارائه روش‌های ترکیبی تشخیصی و طرح مدل کارآمد ارگونومی مروری Review <strong>مقدمه: </strong>در سال‌های اخیر خواب‌آلودگی راننده یکی از دلایل اصلی تصادفات جاده‌ای می‌باشد که می‌تواند منجر به صدمات فیزیکی، مرگ‌ومیر و تلفات قابل‌توجه اقتصادی شود. آمارها نشان می‌دهد که به یک سیستم مناسب برای آشکارساز وضعیت خواب‌آلودگی راننده موردنیاز می‌باشد، به‌طوری‌که بتواند قبل از اینکه رویداد ناگواری اتفاق بیافتد هشدار لازم را بدهد. لذا این مطالعه مروری با هدف بررسی مطالعات سنسورهای تشخیص‌دهنده خواب‌آلودگی راننده و ارائه روش‌های ترکیبی تشخیصی و طرح مدل کارآمد انجام گرفت.<br> <strong>روش کار:</strong> این مطالعه مروری توصیفی از طریق یک جستجوی نظام‌مند و با استفاده از کلیدواژه‌های رانندگان و تشخیص خواب‌آلودگی در پایگاه‌های داده بین‌المللی شامل Scopus, Pubmed و&nbsp; Web of Scienses انجام گرفت که شامل جدیدترین تحقیقات انجام‌شده مرتبط در این زمینه از سال 2005 تا سپتامبر 2021 بود. همچنین لیست منابع مطالعات نهایی برای یافتن مطالعات بیشتر بررسی شد تا روش‌ها و مطالعات خاص (تیپیک) مورد اشاره واقع شوند و با یکدیگر مقایسه شوند.<br> <strong>یافته ها:</strong> به‌طورکلی محققان خواب‌آلودگی راننده را با استفاده از سه روش انـدازه‌گیری بر اساس وسیله نقلیه، اندازه‌گیری رفتاری و اندازه‌گیری فیزیولوژیکی مورد ارزیابی قرار می‌دهند. جزئیات و نحوه انجام این اندازه‌گیری‌ها تأثیر و تفاوت زیادی روی سیستم‌های موجود ایجاد می‌کند. در این مطالعه مروری، هر سه اندازه‌گیری ذکرشده با استفاده از سنسورهای معین بررسی و همچنین مزیت‌ها و محدودیت‌های هر کدام موردبحث قرار گرفت. مقایسه شرایط رانندگی واقعی و شبیه‌سازی‌شده نیز موردبحث قرار گرفت. همچنین راه‌های مختلفی که میزان خواب‌آلودگی را به‌صورت آزمایشگاهی نشان می‌دهد، موردبررسی قرار گرفت. درنهایت پس از مقایسه تحلیلی بین روش‌های تشخیص خواب‌آلودگی، یک دیاگرام پیشنهادی برای ارائه مدل کارآمد که به‌صورت ترکیبی بود ارائه شد.<br> <strong>نتیجه گیری: </strong>به‌طورکلی می‌توان بیان داشت که با توجه به محدودیت‌های هریک از روش‌ها، نیاز است که با طراحی سیستم آشکارساز خواب‌آلودگی که ترکیبی از معیارهای رفتاری، عملکردی و سایر اندازه‌گیری‌ها است، بتوان به‌دقت سطح هوشیاری راننده را مشخص کرد. درنهایت این مدل ترکیبی (کارآمد) باید در محیط شبیه‌سازی ساخته و تست شده باشد تا با ارسال هشدار به راننده‌ای خواب‌آلود از تعداد تصادفات جاده‌ای اجتناب شود. <strong>Introduction:</strong> In recent years, driver&rsquo;s drowsiness has been one of the leading causes of road accidents, which can lead to physical injuries, death, and significant economic losses. Statistics show that an efficient system is needed to detect the driver&rsquo;s drowsiness, that gives the necessary warning before an unfortunate event occurs. Therefore, this review study was conducted to investigate the studies on driver&rsquo;s drowsiness sensors and to present a combination of diagnostic methods and an efficient model design.<br> <strong>Material and Methods:</strong> This narrative review study was conducted through a systematic search using &ldquo;driver&rdquo; and &ldquo;drowsiness detection&rdquo; as search keywords in indexing databases including Scopus, PubMed, and Web of Sciences. The search encompassed the latest related research conducted in this field from 2010 to September 2020. The reference lists were also reviewed to find further studies.<br> <strong>Results: </strong>In general, researchers evaluate driver&rsquo;s drowsiness using three methods including vehicle-based measurement, behavioural measurement, and physiological measurement. The details and how these measurements are made make a big difference to the existing systems. In this study, which is a narrative review, the three mentioned measurements were examined using sensors and also the advantages and limitations of each were discussed. Real and simulated driving conditions were also compared. In addition, different ways to detect drowsiness in the laboratory were examined. Finally, after an analytical comparison of the methods of diagnosing drowsiness, a diagram was presented based on which an efficient and combined model was developed.<br> <strong>Conclusion:</strong> Taking into account the limitations of each of the methods, we need a combination of behavioural, performance, and other measures to have an efficient drowsiness diagnosing model. Such model must be tested using simulations and in real world situations. خواب‌آلودگی, هوشیاری, تصادفات جاده‌ای, رانندگی خودرو, سنسورهای تشخیص‌دهنده Drowsiness, Consciousness, Traffic Accident, Automobile Driving, Detection sensors 164 187 http://jhsw.tums.ac.ir/browse.php?a_code=A-10-1-146&slc_lang=other&sid=1 Naser Nik Afshar ناصر نیک افشار No Department of Rehabilitation Management, University of Social Welfare and Rehabilitation Sciences, Tehran, Iran گروه مدیریت توان‌بخشی، دانشگاه علوم توان‌بخشی و سلامت اجتماعی، تهران، ایران Mostafa Kamali مصطفی کمالی No Department of Health Information Sciences, Faculty of Management and Medical Information Sciences, Kerman University of Medical Sciences, Kerman, Iran | Vice Chancellery of Health, Mashhad University of Medical Sciences, Mashhad, Iran معاونت بهداشتی، دانشگاه علوم پزشکی مشهد، مشهد، ایران | گروه علوم اطلاعات سلامت، دانشکده مدیریت و اطلاع‌رسانی پزشکی، دانشگاه علوم پزشکی کرمان، کرمان، ایران Elham Aklaghi Pirposhteh الهام اخلاقی پیرپشته No Department of Occupational Health Engineering, School of Medical Sciences, Tarbiat Modares University, Tehran, Iran گروه بهداشت حرفه‌ای، دانشکده علوم پزشکی دانشگاه تربیت مدرس، تهران، ایران Hesamedin Askai Majabadi حسام‌الدین عسگری مجدآبادی No Nursing Care Research Center, Semnan University of Medical Sciences, Semnan, Iran مرکز تحقیقات مراقبت‌های پرستاری، دانشگاه علوم پزشکی سمنان، سمنان، ایران Nasir Amanat نصیر امانت No Nursing Care Research Center, Semnan University of Medical Sciences, Semnan, Iran | Emergency nursing department, Nursing and midwifery Faculty, ‎Semnan ‎University of Medical ‎Sciences, Semnan, Iran مرکز تحقیقات مراقبت‌های پرستاری، دانشگاه علوم پزشکی سمنان، سمنان، ایران | دپارتمان پرستاری اورژانس، دانشکده پرستاری و مامایی، دانشگاه علوم پزشکی سمنان، سمنان، ایران Mohsen Poursadeqiyan محسن پورصادقیان poursadeghiyan@gmail.com Yes Social Determinants of Health Research Center, Ardabil University of Medical Sciences, Ardabil, Iran مرکز تحقیقات عوامل اجتماعی مؤثر بر سلامت، دانشگاه علوم پزشکی اردبیل، اردبیل، ایران