கேட்டல் ஸ்கிரீனிங் முடிவுகளின் முன் மதிப்பீடு: பிறந்த குழந்தை, பள்ளி மற்றும் பணியிடம்

ஆதாயங்கள்:

• OAE இன் 'பாஸ்/ஃபெயில்' தர்க்கத்தை துல்லியமாக நிலைநிறுத்தும் திறன் மற்றும் தானியங்கி ABR-அடிப்படையிலான ஸ்கிரீனிங் முடிவுகள் மற்றும் செயற்கை நுண்ணறிவின் ஆதரவுடன் ஸ்கிரீனிங் மற்றும் நோயறிதல் ஆகியவற்றுக்கு இடையேயான வித்தியாசம்
• ஸ்கிரீனிங் பட்டியல்களில் பின்தொடர்தல் தேவைப்படும் வழக்குகளுக்கு முன்னுரிமை அளிக்கும் மற்றும் தவறான எதிர்மறைகளின் அபாயத்தைத் தவிர்க்கும் முன்-ஸ்கிரீனராக செயற்கை நுண்ணறிவைப் பயன்படுத்தும் திறன்
• பணியிட இரைச்சல் ஸ்கிரீனிங் மற்றும் பள்ளி திரையிடலில் செயற்கை நுண்ணறிவு வெளியீட்டின் வரம்புகள் மற்றும் அறிவிப்புக் கடமைகளைப் புரிந்துகொள்வது

செவித்திறன் ஸ்கிரீனிங் என்பது ஒரு சமூகத்தில் காது கேளாமை உள்ளவர்களை விரைவாகக் கண்டறிந்து, கண்டறியும் மதிப்பீட்டிற்கு அவர்களை வழிநடத்தும் ஒரு திரையிடல் செயல்முறையாகும். திரையிடல் நோய் கண்டறிதல் அல்ல; இது இந்த அலகின் மிக முக்கியமான வாக்கியம். ஸ்கிரீனிங் கூறுகிறது "இந்த நபரிடம் ஏதோ தவறு இருக்கலாம், அதை ஆய்வு செய்யட்டும்"; நோயறிதல் கூறுகிறது, "இந்த நபருக்கு இந்த வகை மற்றும் அளவு இழப்பு உள்ளது." செயற்கை நுண்ணறிவு என்பது ஸ்கிரீனிங் முடிவுகளை முன்கூட்டியே மதிப்பிடுவதற்கான ஒரு சக்திவாய்ந்த முன்-ஸ்கிரீனராகும். ஆனால் இது தவறான எதிர்மறைகளை (தவறவிட்ட உண்மையான வழக்குகள்) முற்றிலும் தடுக்க முடியாது மற்றும் கண்டறியும் முடிவை ஒருபோதும் எடுக்க முடியாது.

இந்த யூனிட்டில், நாங்கள் மூன்று பொதுவான ஸ்கிரீனிங் சூழல்களை உள்ளடக்குவோம்: புதிதாகப் பிறந்த குழந்தைகளின் செவிப்புலன் ஸ்கிரீனிங், பள்ளி வயது திரையிடல் மற்றும் பணியிட இரைச்சல் திரையிடல். அவை ஒவ்வொன்றிலும், நீங்கள் செயற்கை நுண்ணறிவை எங்கு பாதுகாப்பாகப் பயன்படுத்தலாம், எங்கு நிறுத்த வேண்டும் என்பதை நாங்கள் தெளிவுபடுத்துவோம்.

ஸ்கிரீனிங் சோதனைகளின் தர்க்கம்

புதிதாகப் பிறந்த/குழந்தைகளுக்கான இரண்டு அடிப்படை பரிசோதனை முறைகளைப் பற்றி தெரிந்து கொள்வோம்.

OAE (Otoacoustic Emission): ஒலிக்கு பதிலளிக்கும் வகையில் ஆரோக்கியமான கோக்லியா (உள் காதில் கேட்கும் உறுப்பு) மூலம் மிக மங்கலான ஒலிகளை அளவிடுகிறது. காதில் ஒரு சிறிய ஆய்வு வைக்கப்படுகிறது; கோக்லியா ஒரு "எதிரொலி" கொடுத்தால், சோதனை "தேர்ந்தது" என்று கருதப்படுகிறது. OAE வேகமானது ஆனால் கோக்லியாவின் (செவிப்புல நரம்பு) பின்னால் உள்ள பிரச்சனைகளைக் கண்டறிய முடியாது.

தானியங்கி ஏபிஆர் (ஆடிட்டரி ப்ரைன்ஸ்டெம் ரெஸ்பான்ஸ்): செவிப்புல நரம்பு மற்றும் மூளைத் தண்டு ஆகியவற்றின் மின் பதிலை அளவிடுகிறது. குறிப்பாக தீவிர சிகிச்சை குழந்தைகளில் இது விரும்பப்படுகிறது, ஏனெனில் இது OAE தவறவிடக்கூடிய நிலைகளை கண்டறிய முடியும், அதாவது செவிப்புல நரம்பியல் (கோக்லியா வேலை செய்யும் ஆனால் நரம்பு கடத்தல் பலவீனமடைகிறது).

இரண்டு சோதனைகளின் முடிவுகளும் பொதுவாக "பாஸ்" அல்லது "ஃபெயில்/பரிந்துரை" ஆகும். "தோல்வி" என்பது ஒரு நோயறிதல் அல்ல; மேலும் மதிப்பீட்டின் அவசியத்தை குறிக்கிறது. "பாஸ்" என்பது தற்போதைய ஸ்கேனில் வெளிப்படையான பிரச்சனை இல்லை என்பதைக் குறிக்கிறது, மேலும் இது வாழ்நாள் முழுவதும் கேட்கும் உத்தரவாதத்தை அளிக்காது.

எச்சரிக்கை: OAE இலிருந்து "பாஸ்" முடிவைக் கொண்ட குழந்தைக்கு கேட்கும் நரம்பியல்-வகை இழப்பு மறைந்திருக்கலாம். "அது முடிந்துவிட்டது = அது ஒரு பிரச்சனையாக இருக்காது" என்று குடும்பத்திற்குச் சொல்லப்படவில்லை; அறிகுறி கண்காணிப்பு மற்றும் பின்தொடர்தல், தேவைப்பட்டால், பின்னர் உருவாகக்கூடிய இழப்புகளுக்கு பரிந்துரைக்கப்படுகிறது.

ஆரம்பகால நோயறிதல் ஏன் மிகவும் முக்கியமானது?

புதிதாகப் பிறந்த குழந்தைகளின் செவிப்புலன் பரிசோதனை மிகவும் பொதுவான மற்றும் தீவிரமாக எடுக்கப்பட்ட திட்டமாக இருப்பதன் காரணம், செவிப்புலன் மொழி மற்றும் பேச்சு வளர்ச்சியின் அடிப்படையாகும். குழந்தை பிறந்தது முதல், தன்னைச் சுற்றியுள்ள ஒலிகளைக் கேட்டு மொழியைக் கற்றுக்கொள்கிறது; காது கேளாமை கவனிக்கப்படாமல் போனால், வளர்ச்சியின் இந்த சாளரத்தை அமைதியாகத் தவறவிடலாம். காது கேளாமை முன்கூட்டியே கண்டறியப்பட்டு சரியான முறையில் ஆதரிக்கப்பட்டால், குழந்தையின் மொழி வளர்ச்சி தாமதமாக கண்டறியப்பட்டதை விட கணிசமாக சிறப்பாக முன்னேறும். அதனால்தான் ஸ்கிரீனிங்கின் "தவறான எதிர்மறை"-அதாவது, உண்மையான இழப்பைக் கொண்ட குழந்தையை "கடந்துவிட்டது" என்று காணவில்லை என்பது இந்தத் துறையில் மிகவும் விலையுயர்ந்த தவறு: இழந்த மாதங்கள் பின்னர் ஈடுசெய்ய கடினமாக இருக்கும் வளர்ச்சி வேறுபாடுகளாக மொழிபெயர்க்கலாம்.

செயற்கை நுண்ணறிவு இந்த சூழலில் கண்காணிப்பு சங்கிலி உடைக்கப்படாமல் இருப்பதை உறுதிசெய்வதில் குறிப்பாக மதிப்புமிக்கது. ஸ்கிரீனிங் திட்டங்களில் ஒரு பொதுவான பிரச்சனை என்னவென்றால், "தோல்வி" முடிவைக் கொண்ட குழந்தை ஒருபோதும் மேலதிக மதிப்பீட்டிற்கு வருவதில்லை (குடும்பம் காட்டப்படாது, பதிவு தொலைந்து விட்டது, அப்பாயிண்ட்மெண்ட் மறந்துவிட்டது). பின்தொடர்தல் தேவைப்படும் வழக்குகளின் பட்டியலைக் கண்காணிப்பதன் மூலமும் நினைவூட்டல் உரைகளை உருவாக்குவதன் மூலமும் இந்த "இழந்த பின்தொடர்தல்" விகிதத்தைக் குறைக்க AI உதவும். ஆனால் எந்த குழந்தைக்கு உண்மையிலேயே ஆபத்து உள்ளது மற்றும் நோயறிதல் செயல்முறை எவ்வாறு தொடரும் என்பது பற்றிய முடிவு எப்போதும் நிபுணர் மற்றும் திட்டத்தின் மருத்துவப் பொறுப்பாகும்.

தவறான எதிர்மறைகள் மற்றும் தவறான நேர்மறைகளின் சமநிலை

ஒவ்வொரு ஸ்கிரீனிங் சோதனையும் இரண்டு வகையான பிழைகளைச் செய்யலாம். ஒரு தவறான எதிர்மறையானது உண்மையில் சிக்கலைக் கொண்ட நபரைக் காணவில்லை, ஏனெனில் அவர்கள் "அதற்கு மேல்" இருக்கிறார்கள் - குழந்தை பின்தொடரப்படாமல் இருப்பதால் சுகாதாரப் பராமரிப்பில் மிகவும் ஆபத்தான தவறு. ஒரு தவறான நேர்மறை ஆரோக்கியமான நபரை "தோல்வி" என்று அடையாளப்படுத்துகிறது - தேவையற்ற கவலை மற்றும் கூடுதல் சோதனையை உருவாக்குகிறது, ஆனால் குறைவான ஆபத்தானது.

ஸ்கிரீனிங் பட்டியல்களில் AI ஐப் பயன்படுத்தும் போது இந்த சமநிலையை நீங்கள் உணர்ந்து கொள்ள வேண்டும்: ப்ரீ-ஸ்கிரீனிங்கில், பொதுவாக வாசலை "காணவில்லை" (அதாவது சந்தேகத்திற்குரியவரைப் பின்தொடர) நோக்கி வைப்பது பாதுகாப்பானது. கீழே உள்ள அட்டவணை மூன்று சூழல்களையும் ஒப்பிடுகிறது.

சூழல்

வழக்கமான முறை

தவறான எதிர்மறை ஆபத்து

AI இன் பாதுகாப்பான பங்கு

புதிதாகப் பிறந்தவர்

OAE / தானியங்கி ABR

உயர் (வளர்ச்சி தாமதம்)

முடிவு பட்டியல் திருத்தம், பின்தொடர்தல் நினைவூட்டல்

பள்ளி வயது

தூய குரல் ஸ்கேனிங்

நடுத்தர (பயிற்சி விளைவு)

வகுப்பு/பட்டியல் முன்னுரிமை

பணியிடம்

இரைச்சல் ஆடியோமெட்ரி

நடுத்தர உயர் (தொழில் சார்ந்த நோய்)

போக்கு/ஒப்பீடு சதி

படிப்படியாக: AI உடன் ஸ்கேன் செய்வதற்கான முன் மதிப்பீடு

1. அநாமதேயப்படுத்துதல் மற்றும் தரவு கட்டமைப்பு. ஐடிக்கு பதிலாக குறியீடு/வரிசை எண் மூலம் முடிவுகளைப் பட்டியலிடுங்கள், பாஸ்/தோல்வி மற்றும் பொருந்தினால் அளவீட்டு மதிப்பு.
2. முன் தகுதி விதியை வரையறுக்கவும். "தோல்வி" செய்பவர்களுக்கும் எல்லையில் இருப்பவர்களுக்கும் முன்னுரிமை கொடுங்கள்; முடிவைத் தவறவிடாமல் அமைக்கவும்.
3. AIக்கு முன்னுரிமை கொடுங்கள். கண்காணிக்கப்பட வேண்டியவை, மறுபரிசீலனை செய்ய வேண்டியவை மற்றும் இயல்பானவை ஆகியவற்றைப் பிரிக்கும் பட்டியலைக் கேளுங்கள்.
4. தவறான எதிர்மறைகளைக் கவனியுங்கள். "பாஸ்" குழுவில் கூட, யாராவது அறிகுறிகளை (குடும்ப சந்தேகம், பேச்சு தாமதம்) விவரித்தால், பின்தொடரவும்.
5. கண்டறியும் வழிகாட்டுதலை நிபுணரிடம் விடுங்கள். இறுதி நோயறிதல் மற்றும் மேலும் பரிசோதனை முடிவு ஒலிப்பதிவாளர்/மருத்துவருக்கு சொந்தமானது.
6. அறிவிப்பு கடமையைச் செயல்படுத்தவும். தொழில்சார் சுகாதார அறிவிப்பு மற்றும் பாதுகாப்பு செயல்முறைகளை இயக்கவும், குறிப்பாக பணியிடத்தில் இழப்புகள் கண்டறியப்பட்டால்.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

பின்வரும் குழந்தைகளுக்கு OAE முடிவுகள் உள்ளன, எவை காது கேளாதவை என்று சொல்லுங்கள்: [பட்டியல்]

இது "செவிடு" போன்ற துல்லியமான கண்டறியும் மொழிக்கு அழைப்பு விடுக்கிறது, ஸ்கிரீனிங்-கண்டறிதல் வேறுபாட்டைப் புறக்கணிக்கிறது மற்றும் தவறான எதிர்மறைகளின் அபாயத்தை புறக்கணிக்கிறது.

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: ஸ்கிரீனிங் முடிவுகளை ஒழுங்கமைக்கும் முன்-ஸ்கிரீனிங் உதவியாளர். நோயறிதலைச் செய்ய வேண்டாம்; "பாஸ்/ஃபெயில்" ஸ்கிரீனிங் என்பது நோயறிதல் அல்ல என்பதை எனக்கு நினைவூட்டு. தரவு (அநாமதேயமானது, வரிசை எண்ணுடன்): [பாஸ்/தோல்வி பட்டியல் + குறிப்புகள் ஏதேனும் இருந்தால்] பணி: (1) "தோல்வி"க்கு முன்னுரிமை கொடுங்கள், (2) "பாஸ்" என்று தனித்தனியாகக் குறிக்கவும், ஆனால் குறிப்பிடப்படவில்லை (குடும்ப சந்தேகம் போன்றவை), (3) ஒவ்வொரு குழுவிற்கும் பரிந்துரைக்கப்பட்ட அடுத்த படியை எழுதவும். இறுதி நோயறிதல் மற்றும் மேலதிக பரிசோதனை முடிவு ஆடியோலஜிஸ்ட்/மருத்துவரிடம் உள்ளது என்று கூறவும்.

வலுவான கோரிக்கை அநாமதேயமானது, ஸ்கிரீனிங்-கண்டறிதல் வேறுபாட்டைப் பாதுகாக்கிறது, தவறான எதிர்மறையை கணக்கில் எடுத்துக்கொள்கிறது, மேலும் முடிவை நிபுணரிடம் விட்டுவிடுகிறது.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - முன்னுரிமை. ஒரு ஸ்கிரீனிங் யூனிட்டில் 120 புதிதாகப் பிறந்த முடிவுகள் உள்ளன; 8 "இடது". ஆடியோலஜிஸ்ட் செயற்கை நுண்ணறிவுக்கு அநாமதேய பட்டியலைக் கொடுத்து, கண்காணிப்புப் பட்டியலைத் திருத்தியிருக்கிறார். AI ஆனது 8 "தோல்வி" வழக்குகள் மற்றும் 3 வழக்குகளை "பாஸ், ஆனால் காது கேளாத குடும்ப வரலாறு உள்ளது" என்ற குறிப்புடன் பிரிக்கிறது. நிபுணர் 11 குழந்தைகளைப் பின்தொடர்கிறார். AI நிமிடங்களில் 120 வரிகளைத் திருத்தியது; கடத்தல் அபாயம் குறைந்துள்ளது.

வழக்கு 2 - தவறான எதிர்மறை பிடிப்பு. பள்ளி திரையிடலில், ஒரு 9 வயது குழந்தை தூய தொனியில் திரையிடலில் "பாஸ்" பெற்றது, ஆனால் ஆசிரியர் "அவர் எல்லா நேரத்திலும் அதை மீண்டும் செய்கிறார், பின்னால் இருந்து அழைத்தால் கேட்கவில்லை" என்று குறிப்பிட்டார். "பாஸ் குழுவில் ஏதேனும் அறிகுறிகள் உள்ளதா?" என்ற வடிப்பான் மூலம் ஆடியோலஜிஸ்ட் இந்தக் குறிப்பை செயற்கை நுண்ணறிவில் ஸ்கேன் செய்கிறார். குழந்தை மேலதிக மதிப்பீட்டிற்கு அழைத்துச் செல்லப்பட்டு, சற்று அலை அலையான இழப்பு கண்டறியப்பட்டது. எண்ணியல் "கடந்த" மருத்துவ அறிகுறியை மீறவில்லை.

வழக்கு 3 - பணியிட சார்பு. ஒரு தொழிற்சாலையில் 50 தொழிலாளர்களின் வருடாந்திர ஒலி ஒலி அளவீடு உள்ளது. கடந்த ஆண்டுடன் அநாமதேய மதிப்புகளை ஒப்பிட்டு ஒரு ஓவியத்தை நிபுணர் கேட்கிறார். YZ 4000 ஹெர்ட்ஸில் குறிப்பிடத்தக்க வரம்பு மாற்றத்தைக் காட்டும் 5 தொழிலாளர்களைக் குறிக்கிறது. நிபுணர் அவர்களை நோயறிதல் மதிப்பீடு மற்றும் தனிப்பட்ட பாதுகாப்பு உபகரண மதிப்பாய்வுக்கு குறிப்பிடுகிறார்; தொழில்சார் சுகாதார அறிவிப்பு செயல்முறையைத் தொடங்குகிறது.

நகலெடுக்கக்கூடிய உடனடி வார்ப்புருக்கள்

திரைப் பட்டியல் முன்னுரிமை வார்ப்புரு பின்வரும் அநாமதேய ஸ்கிரீனிங் முடிவுகளை மூன்று குழுக்களாகப் பிரிக்கவும்: (1) பின்தொடர்தல் முன்னுரிமை ("தோல்வி"), (2) கிரேடு/சந்தேகம் ("பாஸ்" + அறிகுறி), (3) வழக்கமானது. ஸ்கிரீனிங் என்பது நோயறிதல் அல்ல, இது ஒரு உறுதியான நோயறிதல் அல்ல. தரவு: [பட்டியல்]

"பாஸ்" முடிவுடன் தவறான எதிர்மறை வடிகட்டி டெம்ப்ளேட் பதிவுகள் ஆனால் அறிகுறி/குடும்ப சந்தேகம்/வளர்ச்சிக் குறிப்புடன் தனிப் பட்டியலாகத் தோன்றி, பின்தொடர்வதை ஏன் பரிந்துரைக்கிறீர்கள் என்று எழுதவும். தரவு: [பாஸ் குழு + குறிப்புகள்]

பணியிட போக்கு ஒப்பீட்டு டெம்ப்ளேட் பின்வரும் அநாமதேய பணியாளர் குறியீடுகளுக்கான இந்த ஆண்டு மற்றும் கடந்த ஆண்டு இரைச்சல் ஆடியோமெட்ரி வரம்புகளை ஒப்பிடுக; குறிப்பிடத்தக்க சீரழிவைக் (குறிப்பாக 3000-6000 ஹெர்ட்ஸ்) காட்டுவதைக் குறிக்கவும். முடிவும் அறிவிப்பும் நிபுணருக்கு சொந்தமானது. தரவு: [மதிப்புகள்]

குடும்பம்/தொடர்புடைய தகவல் டெம்ப்ளேட் "ஸ்கிரீனிங் என்பது ஒரு நோயறிதல் அல்ல, கடந்து செல்வது வாழ்நாள் உத்தரவாதத்தை அளிக்காது, தங்குவது காது கேளாதவர் என்று அர்த்தமல்ல" என்ற செய்தியுடன் ஒரு தகவல் பத்தியை எளிய துருக்கியில் எழுதவும். கவலையை உருவாக்காதீர்கள், யதார்த்தமாக இருங்கள், பின்தொடர்தலின் முக்கியத்துவத்தை வலியுறுத்துங்கள்.

பொதுவான தவறுகள்

• நோயறிதலுக்கு ஸ்கேன் தவறாக உள்ளது. "பாஸ்/ஃபெயில்" முடிவை உறுதியான நோயறிதலாக வழங்குதல்.
• தவறான எதிர்மறையை மறத்தல். "கடந்த" குழுவில் அறிகுறி நிகழ்வுகளை கவனிக்கவில்லை.
• குடும்பத்திற்கு தவறான நம்பிக்கை. "பாஸ் = பிரச்சனை இல்லை" என்று சொல்வது; செவிவழி நரம்பியல் போன்ற சாத்தியக்கூறுகளை புறக்கணித்தல்.
• அறிவிப்பு கடமையை மீறுதல். பணியிடத்தில் கண்டறியப்பட்ட இழப்பை தொழில்சார் சுகாதார செயல்முறைக்கு தெரிவிக்கவில்லை.
• வாகனத்தில் அடையாளத் தரவை உள்ளிடுதல். குழந்தை/தொழிலாளர் அடையாளத்தை அநாமதேயமாக்காமல் செயற்கை நுண்ணறிவுக்கு வழங்குதல்.

சுருக்கமாக

ஸ்கிரீனிங் என்பது ஒரு நீக்குதல் ஆகும், இது சாத்தியமான சிக்கல்களை நீக்குகிறது மற்றும் அவற்றை கண்டறியும் மதிப்பீட்டிற்கு வழிநடத்துகிறது; இது ஒரு நோயறிதல் அல்ல. AI என்பது அதிக எண்ணிக்கையிலான முடிவுகளை வரிசைப்படுத்துவதற்கும், பின்தொடர்தல் தேவைப்படுபவைகளுக்கு முன்னுரிமை அளிப்பதற்கும் ஒரு சக்திவாய்ந்த முன்-ஸ்கிரீனராகும், ஆனால் அது தவறான எதிர்மறைகளை முழுமையாகத் தடுக்க முடியாது. "பாஸ்" செய்த போதிலும் அறிகுறிகள் இருந்தால், பின்தொடர்வது நிபுணரின் முடிவாகும், மேலும் "தோல்வியுற்றால்", மேலும் மதிப்பீடு செய்வது நிபுணரின் முடிவாகும்; பணியிடத்தில் கண்டறியப்பட்ட இழப்புகளின் சந்தர்ப்பங்களில் அறிவிப்பு மற்றும் பாதுகாப்பு கடமைகள் செயல்படுத்தப்பட வேண்டும்.

விண்ணப்ப பணி

அநாமதேய, தயாரிக்கப்பட்ட ஸ்கிரீனிங் பட்டியலைத் தயாரிக்கவும் (குறைந்தது 15 வரிகள், பாஸ்/தோல்வி மற்றும் சிலவற்றின் அறிகுறி குறிப்புகள்). AI க்கு "முன்னுரிமை" மற்றும் "தவறான எதிர்மறை வடிகட்டி" டெம்ப்ளேட்களுடன் இரண்டு பட்டியல்களைக் கொடுங்கள். பின்னர் அதை கைமுறையாக மதிப்பாய்வு செய்யவும்: AI தவறவிட்ட அல்லது மிகைப்படுத்தப்பட்ட வரி உள்ளதா? "குடும்பத் தகவல்" டெம்ப்ளேட்டைப் பயன்படுத்தி குடும்பத்திற்கான தகவல் பத்தியை உருவாக்கி, மிகைப்படுத்தல்/உறுதியின் கீழ் அதை சரிசெய்யவும்.

சரிபார்ப்பு பட்டியல்

• [ ] ஸ்கேன் முடிவுகளை அநாமதேயமாகவும் கட்டமைக்கப்பட்டதாகவும் வழங்கினேன்.
• [ ] "தோல்வியுற்றது" மற்றும் நான் எல்லையில் இருப்பவர்களைப் பின்தொடர்வதற்கு முன்னுரிமை அளித்தேன்.
• [ ] "தேர்ச்சியடைந்த" குழுவில் உள்ள அறிகுறி நிகழ்வுகளை நான் தனித்தனியாக மதிப்பாய்வு செய்தேன்.
• [ ] நான் இறுதி நோயறிதலையும் மேலும் பரிசோதனை முடிவையும் நிபுணரிடம் விட்டுவிட்டேன்.
• [ ] பணியிட சூழலில் அறிவிப்பு/பாதுகாப்பு கடமையை நான் கவனித்தேன்.
• [ ] நான் குடும்பத் தகவலை யதார்த்தமான மற்றும் கவலையற்ற மொழியில் எழுதினேன்.