纵向研究：用语音数据预测轮班工作者的不同疲劳维度

倒班工作，即在正常昼夜节律之外工作，与疲劳体验以及较差的长期身心健康相关。然而，当前评估疲劳的方法在帮助理解这些风险如何在个体内部随时间发展方面存在若干障碍。在此，我们采用密集纵向研究设计（对来自六个国家的 N = 1197 名个体进行为期两周、每日两次的测量），在一个大型多语言倒班工作者队列中探索基于瞬时言语活动的疲劳测量的潜力。研究使用副语言言语特征在每个研究时间点预测急性和慢性疲劳的不同方面，并在未见过的（留出）数据中评估性能。在横断面分析中，对当前睡眠剥夺和自报困倦水平均取得了良好（接近或超过当前最先进水平）的性能。用户内分析显示性能稳健提升，能够检测更多主观方面的疲劳，如普遍的身体和精神耗竭。这些发现为以下观点提供了初步支持：使用简短瞬时言语样本作为低负担、可接受且可靠的测量方式，用于评估倒班工作者等高风险人群中不同方面的疲劳。

中文由 AI 翻译，仅供参考，以原文为准。