可解释的机器学习用于预测医院员工的生活质量,使用心理社会工作环境数据

科学领域:

• 医疗保健服务研究 医疗服务研究
• 医疗保健中的人工智能
• 职业健康心理学 职业健康心理学

背景情况:

• 健康相关的生活质量 (HRQL) 受各种因素的影响,包括心理社会工作环境 (PWE).
• PWE显著影响工人的福祉和组织的可持续性.
• 评估QoL,PWE和医疗保健质量之间的关系对于改善患者服务至关重要,特别是在沙特的环境中,这种联系尚未得到充分探索.

研究的目的:

• 利用机器学习 (ML) 技术来预测员工的生活质量 (QoL).
• 分析心理社会工作环境 (PWE) 和人口统计学变量对沙特医院内QOL的影响.
• 确定影响员工质量生活的关键因素,以改善潜在的医疗质量.

主要方法:

• 基于PWE数据开发和评估几种ML模型,以预测员工的QoL.
• 用和没有特征工程进行的实验,以优化模型性能.
• 应用可解释的人工智能 (XAI) 后期,以提高模型透明度.

主要成果:

• 天真贝叶斯 (NB) 分类器在预测员工质量时达到1.0的精度.
• 支持矢量机 (SVM) 分类器,利用选定的WE特征,表现出卓越的性能,准确度为0.92,F1得分为0.92.
• 使用XAI方法来解释SVM模型的预测,增加了透明度.

结论:

• 机器学习模型,特别是NB和SVM,可以有效地使用PWE数据预测员工的QoL.
• 该研究为医疗保健组织提供了一个透明和可解释的工具,以预测和潜在地提高员工的质量.
• 研究结果为改善沙特阿拉伯环境中的医疗保健质量和组织可持续性提供了宝贵的见解.