不同的人工神经网络用于预测意大利麻醉师的倦怠风险
Marco Cascella1, Alessandro Simonini2, Sergio Coluccia3
1Unit of Anesthesiology, Intensive Care Medicine, and Pain Medicine, Department of Medicine, Surgery, and Dentistry, University of Salerno, Baronissi, Salerno, 84082, Italy.
Journal of anesthesia, analgesia and critical care
|July 2, 2025
概括
麻醉师的倦怠 (BO) 可以使用人工密集神经网络 (DNN) 预测. 关键因素包括工作负担和情绪疲劳,高风险人群的心理压力更高.
科学领域:
- 麻醉学 麻醉学
- 人工智能的人工智能
- 职业健康 职业健康 职业健康
背景情况:
- 倦怠 (BO) 对包括麻醉师在内的专业人士构成重大风险.
- 机器学习,特别是神经网络,为BO风险识别提供数据驱动的方法.
- 本研究重点是开发和评估用于BO预测的人工密集神经网络 (DNN) 模型.
研究的目的:
- 开发和评估各种人工密集神经网络 (DNN) 模型.
- 根据职业,心理和行为因素来预测麻醉师的倦怠.
主要方法:
- 训练DNN模型使用300名意大利麻醉师的数据集.
- 包括工作场所压力因素,心理健康和人口统计学变量.
- 使用准确度,精度,回忆和F1分数来评估模型性能.
主要成果:
- 最好的神经架构实现了0.68.8的预测准确度.
- 工作负担,情绪疲,工作不满,以及工作与生活平衡是BO的主要贡献者.
- 在六种算法中没有发现任何显著的预测性能差异.
结论:
- 心理困扰 (焦虑,抑郁) 在高风险倦怠组中更高.
- 人工智能和数据科学的进步可以增强个性化的心理健康护理.
- 需要进一步的研究来完善预测模型和干预措施.
