Langsung ke konten utama

Gangguan kesehatan pekerja akibat faktor risiko psikososial

Berbagai faktor risiko psikosoial, baik sendiri atau bersama-sama dapat mengakibatkan gangguan kesehatan pekerja seperti:

  • gangguan kesehatan mental (depresi dan ansietas)
  • peningkatan risiko penyakit jantung dan stroke
  • penurunan kualitas hidup dan fungsionalitas
  • peningkatan risiko obesitas, diabetes, dan gangguan pencernaan
  • penurunan kinerja dan kerusakan sistem imun
  • peningkatan risiko stres akut dan kelelahan kronis. 

Mengingat dampak dari berbagai faktor risiko psikososial tersebut, maka perlu dilakukan antisipasi, rekognisi, evaluasi, dan pengendalian sebagaimana faktor risiko lain di tempat kerja.


Komentar

Posting Komentar

Postingan populer dari blog ini

Interpretasi hasil analisis statistika pajanan lingkungan kerja

Dalam postingan Statistik data hasil pemantauan pajanan lingkungan kerja (professional-hse.blogspot.com)  sudah disampaikan statistik yang harus dihitung saat menganalisis data hasil pengukuran pajanan di lingkungan kerja.  Di bawah ini adalah contoh interpretasi hasil pengukuran pajanan benzene dengan passive sampler pada 12 pekerja dengan level of detection 0,033 ppm. Kita lihat bahwa statistik rerata aritmatika dan rerata aritmatika dengan pendekatan maximum likelihood estimation (MLE) tidak berbeda jauh, akan tetapi jika diperhatikan rentang nilai minimum - maksimum (0,034 - 0,507 ppm) lebih besar dibandingkan rentang nilai batas bawas - atas (0,124 - 0,395). Rerata geometris, yang tidak terpengaruh oleh pencilan, lebih kecil dibandingkan kedua rerata aritmatika.  Variabilitas pajanan dapat dinilai dengan statistik simpang baku geometris. Pada contoh di atas terlihat bahwa nilai simpang baku geometris di atas 1,5 tetapi lebih kecil dari 2,5 dengan demikian vari...
Posting Komentar
Baca selengkapnya

Statistik data hasil pemantauan pajanan lingkungan kerja

Data hasil pemantauan dapat diinterpretasikan dengan hanya membandingkan hasil perhitungan statistik deskriptif dengan NAB (Nilai Ambang Batas) jika semua data yang ada lebih rendah dari 0,1 NAB atau di atas NAB. Tetapi ketika data hasil pemantauan mendekati atau mencakup NAB, maka statistik inferensial seperti persentil ke-95 harus dihitung untuk membantu dalam pengambilan keputusan.  Statistik deskriptif yang harus secara rutin dihitung untuk semua data pajanan adalah: Pajanan maksimum Pajanan minimum Rentang pajanan Persen pajanan lebih besar dari NAB Rata-rata pajanan Simpang baku pajanan Rata-rata dari pajanan transformasi log alami Simpang baku dari pajanan transformasi log alami Rata-rata geometris Simpang baku geometris Statistik inferensial Persentil ke-95 Upper tolerance limit Exceedance fraction
Posting Komentar
Baca selengkapnya

Persentil ke-95

Perhatikan ilustrasi berikut ini untuk memahami apa yang dimaksud dengan persentil ke-95. Misalkan: setiap tahun, seorang pekerja bekerja 100 hari. Berapa hari yang dapat diterima untuk pajanan melebihi NAB tanpa respirator jika kita mengumpulkan data pemantauan personal pada pekerja tersebut selama 100 hari?  Kita tentu mengharapkan bahwa selama 100 hari bekerja tersebut, pajanan yang melebihi NAB tanpa respirator adalah 0 hari. Target jumlah hari dengan pajanan yang melebihi NAB tanpa respirator berdasarkan konsensus profesional adalah tidak lebih dari 5 hari dari 100 hari , yaitu persentil ke-95 . Jadi 5/100 (5 hari dari 100 hari) di atas NAB dan 95/100 (95 hari dari 100 hari) di bawah NAB.  Dari keterangan di atas: Persentil ke-95 adalah persentase hari di mana pajanan berada di bawah NAB Exceedance fraction 5% adalah persentase hari di mana pajanan berada di atas NAB Dalam praktik sehari-hari tidak mungkin kita melakukan pengukuran pajanan personal setiap hari. Dari be...
Posting Komentar
Baca selengkapnya