基于人工神经网络的模型,用于在重大医疗援助期间预测前线医务人员的睡眠质量
Qingquan Chen1,2, Zeshun Chen3, Xi Zhu2
1The Sleep Disorder Medicine Center of the Second Affiliated Hospital of Fujian Medical University, Quanzhou, Fujian Province, China.
Digital health
|October 14, 2024
概括
在COVID-19期间支持上海的前线医务人员睡眠质量不佳,80.8%受影响. 一个人工神经网络 (ANN) 模型有效预测了睡眠质量问题,为早期干预策略提供了潜力.
科学领域:
- 医学科学 医学科学 医学科学
- 公共卫生 公共卫生
- 医疗保健中的人工智能
背景情况:
- COVID-19 严重影响了医务人员的睡眠质量.
- 影响前线医务人员在护理期间睡眠的因素尚不清楚.
- 发现缺乏医务人员睡眠质量的查工具.
研究的目的:
- 为了调查在上海协助前线医务人员的睡眠质量.
- 确定影响他们睡眠质量的因素.
- 开发和验证睡眠质量差的预测模型.
主要方法:
- 基于互联网的横截面调查对1326名前线医务人员进行了调查.
- 使用了匹兹堡睡眠质量指数 (PSQI) 和定制问卷.
- 开发和验证了包括人工神经网络 (ANN) 在内的六种预测模型.
主要成果:
- 80.8%的参与者报告睡眠质量不佳 (PSQI>7).
- 关键预测因素包括工作类型,职位,班次,体重变化,茶饮和基本疾病.
- 该ANN模型显示出最佳性能 (AUC为71.6%).
结论:
- 在提供援助的前线医务人员中,睡眠质量不佳非常普遍.
- 该ANN模型显示了监测和早期干预的巨大潜力.
- 这些发现为改善医务人员睡眠健康提供了科学指导.
