应用智能手表来预测紧急医疗专业人员的工作疲劳:机器学习方法
Sot Shih-Hung Liu1,2, Cheng-Jiun Ma3, Fan-Ya Chou1,4
1National Taiwan University Hospital, Department of Emergency Medicine, Taipei, Taiwan.
The western journal of emergency medicine
|August 1, 2023
概括
使用智能手表数据的机器学习模型可以预测紧急诊所医生的与工作有关的疲劳. 这项技术为开发主动策略提供了一个有前途的工具,以提高临床医生的福祉和患者安全.
科学领域:
- 医疗保健中的可穿戴技术
- 机器学习在临床环境中的应用.
- 职业健康和安全 职业健康和安全
背景情况:
- 医疗保健专业人员,特别是急诊医生,面临着与工作有关的严重疲劳.
- 这种疲劳对临床医生的健康和患者安全都有风险.
- 需要新的方法来监测和预测这一群体的疲劳.
研究的目的:
- 开发和验证机器学习 (ML) 模型,用于预测紧急诊所医生的与工作有关的疲劳.
- 利用商用智能手表收集的生理数据作为这些模型的输入.
- 评估使用可穿戴技术用于疲劳风险评估的可行性.
主要方法:
- 一项前性研究在急诊室进行,包括医生,护士和护士执业人员.
- 参与者戴着智能手表收集生理数据,并在轮班前后完成了多维疲劳清单 (MFI).
- 基于树的ML算法 (CatBoost,XGBoost) 用于使用智能手表功能构建预测模型,其性能由AUC评估.
主要成果:
- 该研究包括110名参与者和1542个记录,其中5.5%被确定为疲劳.
- CatBoost 分类器实现了0.838的AUC,用于预测所有参与者的疲劳.
- XGBoost分类器在预测35岁以下护士疲劳方面表现优异 (AUC 0.928).
结论:
- 使用智能手表衍生功能的机器学习模型可以有效地分类紧急部门与工作相关的疲劳风险.
- 这些模型展示了智能手表作为疲劳预测工具的潜力.
- 进一步收集数据和优化模型可以实现实时疲劳预测,并为急诊医生实施预防措施.
