説明可能な機械学習を用いた心理社会的労働環境データによる病院職員の生活の質予測

科学分野:

• ヘルスサービスリサーチ
• ヘルスケアにおける人工知能
• 労働衛生心理学

背景:

• 健康関連QoL（HRQL）は、心理社会的労働環境（PWE）を含む様々な要因の影響を受けます。
• PWEは、労働者の幸福と組織の持続可能性に大きく影響します。
• QoL、PWE、および医療の質の関係を評価することは、特にこの関連性が十分に調査されていないサウジアラビアの文脈において、患者サービスの改善のために重要です。

研究 の 目的:

• 従業員の生活の質（QoL）を予測するために機械学習（ML）技術を利用すること。
• サウジアラビアの病院におけるQoLに対する心理社会的労働環境（PWE）および人口統計学的変数の影響を分析すること。
• 医療の質の向上に役立つ可能性のある、従業員のQoLに影響を与える主要な要因を特定すること。

主な方法:

• PWEデータに基づいた従業員のQoLを予測するためのいくつかのMLモデルの開発と評価。
• モデルパフォーマンスを最適化するために、特徴量エンジニアリングの有無にかかわらず実験を実施。
• モデルの透明性を高めるために、事後的に説明可能な人工知能（XAI）を適用。

主要な成果:

• ナイーブベイズ（NB）分類器は、従業員のQoL予測において1.0の精度を達成しました。
• 選択されたPWE特徴量を使用したサポートベクターマシン（SVM）分類器は、0.92の精度と0.92のF1スコアで優れたパフォーマンスを示しました。
• XAI手法を用いてSVMモデルの予測を解釈し、透明性を高めました。

結論:

• NBおよびSVMを中心とするMLモデルは、PWEデータを使用して従業員のQoLを効果的に予測できます。
• 本研究は、医療組織が従業員のQoLを予測し、潜在的に向上させるための透明で説明可能なツールを提供します。
• 本研究の結果は、サウジアラビアの文脈における医療の質と組織の持続可能性の向上に貴重な洞察を提供します。