Selection and validation of a machine learning-based predictive model for compassion fatigue in nursing interns

स्वास्थ्य सेवा की उच्च-दांव वाली दुनिया में, नर्सों को लोगों के सबसे कमजोर क्षणों में स्थिर हाथों और शांत आवाजों के रूप में प्रशिक्षित किया जाता है। वे दूसरों के दर्द, भय और आघात को अपने दैनिक कार्य के एक हिस्से के रूप में आत्मसात करती हैं। हालाँकि, यह निरंतर भावनात्मक श्रम एक छिपा हुआ खर्च लेकर आता है जिसे 'कम्पासियन फैटीग' (करुणा थकान) कहा जाता है। यह केवल बर्नआउट या थकावट नहीं है; यह एक विशिष्ट प्रकार की थकावट है जो तब होती है जब देखभाल करने वाले दूसरों के कष्टों के संपर्क में बहुत लंबे समय तक रहते हैं, जिससे वे शारीरिक रूप से खाली और मनोवैज्ञानिक रूप से खोखले हो जाते हैं। नर्सिंग इंटर्न के लिए—जो छात्र कक्षा से अस्पताल के फर्श तक संक्रमण कर रहे हैं—यह जोखिम विशेष रूप से तीव्र है। वे एक नए, गहन वातावरण में तालमेल बिठा रहे होते हैं और साथ ही अभी भी काम सीख रहे होते हैं, जो उन्हें इस पेशे के भावनात्मक प्रभाव के प्रति अनूently संवेदनशील बनाता है। यह समझना कि कौन सबसे अधिक जोखिम में है और क्यों, न केवल छात्रों के अपने कल्याण के लिए, बल्कि उन रोगियों की सुरक्षा के लिए भी आवश्यक है जिनकी वे देखभाल करते हैं।

शंतौ यूनिवर्सिटी मेडिकल कॉलेज के शोधकर्ताओं की एक टीम ने एक महत्वपूर्ण समस्या को हल करने का बीड़ा उठाया: यह भविष्यवाणी करना कि कौन से नर्सिंग इंटर्न इस स्थिति के विकसित होने की संभावना रखते हैं, इससे पहले कि यह पकड़ बना ले। पारंपरिक तरीके अक्सर छात्रों को तब सर्वेक्षण भरने के लिए कहने पर निर्भर करते हैं जब वे पहले से ही अत्यधिक दबाव महसूस कर रहे होते हैं, जो प्रभावी रोकथाम के लिए बहुत देर हो चुकी होती है। इसे बदलने के लिए, शोधकर्ताओं ने चीन के गुआंगडोंग प्रांत के दस प्रमुख अस्पतालों के 355 नर्सिंग इंटर्न से डेटा एकत्र किया। उन्होंने केवल यह नहीं देखा कि क्या कोई छात्र थका हुआ था; उन्होंने उनकी आयु और शिक्षा के स्तर से लेकर उनके आहार, व्यायाम की आदतों और दोस्तों एवं परिवार से उन्हें कितना समर्थन मिल रहा है, तक विभिन्न कारकों की जांच की। उन्होंने यह भी मापा कि छात्र अपने भविष्य के पेशे के साथ कितनी मजबूती से पहचान रखते थे और तनाव का सामना करने में वे कितने लचीले (रेज़िलिएंट) थे।

शोधकर्ताओं ने सबसे पहले लक्षणों के आधार पर इंटर्न को अलग-अलग समूहों में वर्गीकृत करने के लिए एक सांख्यिकीय पद्धति का उपयोग किया। उन्होंने पाया कि कम्पासियन फैटीग सभी के लिए एक जैसा अनुभव नहीं था। इसके बजाय, इंटर्न तीन स्पष्ट श्रेणियों में विभाजित थे: कम थकान वाला एक समूह, मध्यम स्तर वाला एक समूह, और गंभीर स्तर वाला एक समूह। लगभग 42 प्रतिशत छात्र कम-जोखिम वाले समूह में थे, लगभग 40 प्रतिशत ने मध्यम संकेत दिखाए, और लगभग 19 प्रतिशत पहले से ही गंभीर थकावट का अनुभव कर रहे थे। इस खोज ने रेखांकित किया कि यह समस्या अधिकांश इंटर्न को प्रभावित करती है, लेकिन अलग-अलग तीव्रता के साथ, जिसके लिए अलग-अलग प्रकार की सहायता की आवश्यकता होती है।

अवलोकन से भविष्यवाणी की ओर बढ़ने के लिए, टीम ने सात अलग-अलग कंप्यूटर लर्निंग टूल्स (कंप्यूटर शिक्षण उपकरणों) का उपयोग किया, जो कृत्रिम बुद्धिमत्ता (AI) का एक प्रकार है जो डेटा में पैटर्न खोजता है। उन्होंने सूचनाओं को इन प्रणालियों में डाला ताकि यह देखा जा सके कि कौन सा टूल यह अनुमान लगाने में सबसे अच्छा है कि किसे कम्पासियन फैटीग विकसित होगा। लक्ष्य एक ऐसा मॉडल खोजना था जो वास्तविक दुनिया में उपयोगी होने के लिए पर्याप्त सटीक हो। परिणामों का परीक्षण और तुलना करने के बाद, 'लॉजिस्टिक्स रिग्रेशन' नामक एक मानक सांख्यिकीय पद्धति सबसे विश्वसनीय भविष्यवक्ता के रूप में उभरी। जबकि अधिक जटिल कंप्यूटर मॉडलों ने डेटा के जटिल पैटर्न खोजने की कोशिश की, वे कभी-कभी प्रशिक्षण के दौरान दिए गए डेटा के विशिष्ट विवरणों से भ्रमित हो गए और नए लोगों पर प्रभावी ढंग से लागू होने में विफल रहे। हालाँकि, सरल मॉडल स्थिर और सटीक बना रहा, जिसने उच्च स्तर के विश्वास के साथ उच्च-जोखिम वाले छात्रों की सही पहचान की।

विश्लेषण ने उन विशिष्ट सामग्रियों का खुलासा किया जिनसे यह जोखिम बना था। सबसे शक्तिशाली कारक केवल यह नहीं थे कि छात्र कितनी कड़ी मेहनत कर रहे थे, बल्कि उनके आंतरिक संसाधन और वातावरण के बारे में थे। एक मजबूत व्यावसायिक पहचान—यह महसूस करना कि नर्सिंग एक सार्थक और चुनी हुई राह है—थकान के विरुद्ध एक बड़ा कवच था। इसी तरह, एक ठोस सामाजिक समर्थन नेटवर्क और उच्च मनोवैज्ञानिक लचीलापन, या तनाव से उबरने की क्षमता, जोखिम को काफी कम कर देती थी। दूसरी ओर, अध्ययन में पाया गया कि अधिक आयु और उच्च शिक्षा का स्तर आश्चर्यजनक रूप से थकान के उच्च जोखिम से जुड़ा हुआ था। शोधकर्ता सुझाव देते हैं कि ऐसा इसलिए हो सकता है क्योंकि अधिक उम्र के या अधिक शिक्षित छात्रों के पास देखे गए कष्टों की गहरी समझ होती है, जो भावनात्मक बोझ को भारी बना सकती है। इसके अतिरिक्त, अनियमित खान-पान की आदतें और साप्ताहिक व्यायाम की कमी भी उच्च जोखिम से जुड़ी थी, जो मानसिक शक्ति बनाए रखने के लिए बुनियादी शारीरिक स्वास्थ्य के महत्व की ओर इशारा करती है।

अध्ययन यह निष्कर्ष निकालता है कि इन विशिष्ट कारकों को देखकर, एक ऐसा उपकरण बनाया जा सकता है जो नर्सिंग इंटर्न की पहचान उस समय कर सके जब वे टूटने की कगार पर पहुँचने वाले हों। शोधकर्ताओं ने प्रदर्शित किया कि एक सीधा गणितीय मॉडल प्रभावी रूप से उन छात्रों को चिह्नित कर सकता है जिन्हें मदद की जरूरत है, विशेष रूप से वे जो अपने उद्देश्य की भावना से जूझ रहे हैं या जिनके पास समर्थन प्रणाली की कमी है। यह दृष्टिकोण अस्पतालों और स्कूलों को प्रारंभिक हस्तक्षेप करने का एक तरीका प्रदान करता है, जैसे कि परामर्श देना, कार्यभार को समायोजित करना, या मार्गदर्शन (मेंटरशिप) प्रदान करना, बजाय इसके कि वे तब तक प्रतीक्षा करें जब तक कि कोई छात्र कार्य करने में बहुत अधिक थक न जाए। नर्सिंग इंटर्न की अद्वितीय प्रोफ़ाइल को समझकर, चिकित्सा समुदाय अपने भविष्य के कार्यबल के मानसिक स्वास्थ्य की रक्षा कर सकता है, यह सुनिश्चित करते हुए कि जो दूसरों की देखभाल करते हैं, उनकी भी स्वयं देखभाल की जाए।