<p>Ett intressant ämne inom sömnforskningen är sömnighet, vilken ofta  mäts med subjektiva skalor som Karolinska Sleepiness Scale (KSS). Då många undersökningar görs på natt- och skiftarbetare, finns lite data för dagtidsarbetande att jämföra med. Syftet med föreliggande uppsats är att ur sömnighetsdata från förmätningen i en studie vid stressforskningsinstitutet, bilda en uppfattning om sömnighetsmönster hos dagtidsarbetande. Sömn- och vakenhetsdagböcker fylldes i av 821 personer under en vecka och resultaten analyserades med variansanalys för upprepade mätningar med inomgruppsfaktorerna veckodag samt tidpunkt och mellangruppsfaktorerna kön, ålder samt sömnlängd. Signifikanta huvudeffekter återfanns av dag, tid, kön och ålder samt interaktionseffekter av dag/tid, tid/ålder samt tid/kön. Resultaten verkar ge en representativ bild över sömnigheten hos dagtidsarbetande med 40-timmarsvecka, och är troligen generaliserbara till andra inom samma grupp så länge inte arbetsuppgifterna är alltför fysiskt eller mentalt krävande, vilket skulle kunna öka sömnigheten.</p>

Ett intressant ämne inom sömnforskningen är sömnighet, vilken ofta  mäts med subjektiva skalor som Karolinska Sleepiness Scale (KSS). Då många undersökningar görs på natt- och skiftarbetare, finns lite data för dagtidsarbetande att jämföra med. Syftet med föreliggande uppsats är att ur sömnighetsdata från förmätningen i en studie vid stressforskningsinstitutet, bilda en uppfattning om sömnighetsmönster hos dagtidsarbetande. Sömn- och vakenhetsdagböcker fylldes i av 821 personer under en vecka och resultaten analyserades med variansanalys för upprepade mätningar med inomgruppsfaktorerna veckodag samt tidpunkt och mellangruppsfaktorerna kön, ålder samt sömnlängd. Signifikanta huvudeffekter återfanns av dag, tid, kön och ålder samt interaktionseffekter av dag/tid, tid/ålder samt tid/kön. Resultaten verkar ge en representativ bild över sömnigheten hos dagtidsarbetande med 40-timmarsvecka, och är troligen generaliserbara till andra inom samma grupp så länge inte arbetsuppgifterna är alltför fysiskt eller mentalt krävande, vilket skulle kunna öka sömnigheten.

No description available.

Syfte: Att belysa ambulanssjuksköterskornas upplevelser av omvårdnad och trafiksäkerhet efter förändrad dygnstjänstgöring från tjugofyratimmarsskift till tolvtimmarsskift. Bakgrund:Ambulanssjuksköterskor upplever trötthet vid högarbetsbelastning eller vid för lite sömn. Vid högarbetsbelastning avstår sjuksköterskor från att utföra omvårdnadsåtgärder och patientsäkerheten sjunker om arbetspasset är längre än åtta timmar. Sjuksköterskor som har arbetat tolv eller arton timmar jämfördes och det fanns ingen kognitiv skillnad före eller efter arbetspasset. Det saknas studier om hur ambulanssjuksköterskor upplever att arbeta tolvtimmarsskift gentemot tjugofyratimmarsskift. Design: Kvalitativ innehållsanalys med en induktiv ansats. Metod: Ambulanssjuksköterskor som arbetat både innan och efter arbetstidsförändring valdes ut med bekvämlighetsurval. Sju semistrukturerade intervjuer utfördes i Oktober 2015. Intervjuerna spelades in och transkriberades ordagrant, vilket resulterade i två kategorier och nio underkategorier. Resultat: Ambulanssjuksköterskorna upplever att omvårdnaden och trafiksäkerheten har förbättrats efter bytet från tjugofyratimmarsskift till tolvtimmarsskift eftersom de är mindre trötta. Sjuksköterskorna anser att de är mer uppmärksamma och därmed upplevs trafiksäkerheten förbättrad. I omvårdnaden upplever de mer engagemang och tålamod i mötet med patienten, främst nattetid. Dock finns kvarstående problem som de anser inte har förbättrats efter arbetstidsförändring, som stress vid högarbetsbelastning, utebliven rast och svårigheter att använda säkerhetsbälte under transport till sjukhuset. Slutsats:Om ambulanssjuksköterskorna är utvilade kan arbetsbelastningen på akutmottagningar minska. Ur ett samhällsperspektiv bör det vara mer kostnadseffektivt. När ambulanspersonalen upplever att de inte orkar arbeta tjugofyra timmar i sträck, skulle arbetsgivaren kanske kunna tänkas överväga en förkortning av arbetstid, eller tillsätta fler ambulanser i tjänst, i syfte att förbättra omvårdnaden.

Studies have reported that around 20 % of all traffic accidents are caused by a sleepy driver. Sleepy driving has been compared to drunk driving. A sleepy driver is also an issue in the case of automated vehicles in the future. Handing back the control of the vehicle to a sleepy driver is a serious risk. This has increased the need for a sleepiness estimation system that can be used in the car to warn the driver when driving is not recommended. One commonly used method to estimate sleepiness is to study the heart rate variability, HRV, which is said to reflect the activity of the autonomous nervous system, the ANS. The HRV can be expressed through different measures obtained from a signal of RR-intervals. The aim with the thesis is to investigate how well the HRV translates into sleepiness estimation and how the experimental setup might affect the results. In this study, HRV data from 85 sleep deprived drivers was collected together with the drivers’ own ratings of their sleepiness according to the nine graded Karolinska sleepiness scale, KSS. An ANOVA test showed statistical significance for almost all of the used HRV measures when the Driver ID was set as random variable. In order to reduce the number of HRV measures, a feature selection step was performed before training a Support Vector Machine (SVM) used for classification of the data. SVM classifiers are trained to use the input features describing the data to optimize hyperplanes separating the discrete set of classes. Previous research has shown good results in using HRV for sleepiness detection, but common issues are the small data sets used and that most experiments are performed in a simulator instead of at real roads. In some cases, no sleep deprivation is used. The result from the classification in this study is a mean accuracy of around 58-59 %, mean sensitivity of 50-51 %, mean specificity of 75-76 % and mean F1 score of 50-51 % over the three classes ’Alert’, ’Getting sleepy’ and ’Sleepy’. This together with the results of the ANOVA test shows that the HRV measures performed relatively poor when used for classification of the data and that there are large inter-individual differences. This suggests the use of personalized algorithms when developing a sleepiness estimation system and an investigation regarding how other confounding factors could affect the estimation is also motivated.