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

고도의 긴장감이 흐르는 의료 현장에서 간호사들은 사람들이 가장 취약한 순간에 흔들림 없는 손길과 차분한 목소리가 되어주도록 훈련받습니다. 그들은 일상의 업무로서 타인의 고통, 공포, 그리고 트라우마를 흡수합니다. 그러나 이러한 지속적인 감정 노동은 '공감 피로(compassion fatigue)'라고 알려진 숨겨진 대가를 치르게 합니다. 이것은 단순히 번아웃이나 피로가 아닙니다. 이는 간호 제공자들이 타인의 고통에 너무 오래 노출되어 신체적으로 탈진하고 심리적으로 공허해지는 특정한 종류의 탈진입니다. 강의실에서 병원 현장으로 전환하는 단계에 있는 학생들인 간호 실습생들에게 이 위험은 특히나 심각합니다. 그들은 여전히 업무를 익히는 과정에서 새롭고 강렬한 환경을 헤쳐 나가고 있으며, 이로 인해 직업적 정서적 충격에 유독 취약한 상태에 놓여 있습니다. 누가 누구에게 가장 위험하며 그 이유가 무엇인지 이해하는 것은 학생 자신의 안녕뿐만 아니라, 그들이 돌보는 환자들의 안전을 위해서도 필수적입니다.

산터우 의과대학교의 연구팀은 중대한 문제를 해결하기 위해 나섰습니다. 바로 어떤 간호 실습생이 이 상태에 빠질 가능성이 있는지 문제가 본격화되기 전에 예측하는 방법입니다. 전통적인 방식은 학생들이 이미 압도당한 후에 설문지를 작성하도록 하는 방식에 의존하는 경우가 많은데, 이는 예방을 위한 효과적인 조치를 취하기에는 너무 늦습니다. 이를 바꾸기 위해 연구진은 중국 광둥성의 10개 주요 병원에서 355명의 간호 실습생으로부터 데이터를 수집했습니다. 그들은 단순히 학생이 피곤한지 여부만을 본 것이 아니라, 연령과 교육 수준부터 식습관, 운동 습관, 그리고 친구와 가족으로부터 얼마나 많은 지지를 받고 있는지에 이르기까지 폭넓은 요인들을 조사했습니다. 또한 학생들의 미래 직업에 대한 정체성 인식 정도와 스트레스에 직면했을 때의 회복 탄력성도 측정했습니다.

연구진은 먼저 통계적 방법을 사용하여 증상에 따라 실습생들을 뚜렷한 그룹으로 분류했습니다. 그들은 공감 피로가 모두에게 동일한 방식으로 공유되는 단일 경험이 아님을 발견했습니다. 대신, 실습생들은 세 가지 명확한 범주로 나뉘었습니다: 낮은 수준의 피로를 보이는 그룹, 중간 수준의 그룹, 그리고 심각한 수준의 그룹입니다. 약 42%의 학생이 저위험군에 속했고, 거의 40%는 중간 정도의 징후를 보였으며, 약 19%는 이미 심각한 탈진을 경험하고 있었습니다. 이 발견은 공감 피로가 대다수의 실습생에게 영향을 미치고 있지만, 그 강도는 서로 다르며 이에 따라 다른 유형의 도움이 필요하다는 점을 강조했습니다.

관찰에서 예측으로 넘어가기 위해 연구팀은 데이터에서 패턴을 찾아내는 일종의 인공지능인 7가지 서로 다른 컴퓨터 학습 도구를 활용했습니다. 그들은 실습생들에 대한 정보를 이 시스템들에 입력하여 어떤 도구가 공감 피로를 겪게 될 사람을 가장 잘 예측할 수 있는지 확인했습니다. 목표는 실제 현장에서 유용할 만큼 정확한 모델을 찾는 것이었습니다. 결과를 테스트하고 비교한 결과, 로지스틱 회귀 분석이라는 표준 통계 방법이 가장 신뢰할 수 있는 예측 도구로 나타났습니다. 더 복잡한 컴퓨터 모델들은 데이터의 복잡한 패턴을 찾으려 시도했지만, 때때로 훈련된 데이터의 특정 세부 사항에 혼동을 일으켜 새로운 대상에게 일반화하는 데 실패했습니다. 반면, 더 단순한 모델은 안정적이고 정확하게 유지되었으며, 높은 신뢰도로 고위험군 학생들을 식별해 냈습니다.

분석 결과, 이러한 위험을 구성하는 구체적인 요소들이 밝혀졌습니다. 가장 강력한 요인은 단순히 학생들이 얼마나 열심히 일하는가에 관한 것이 아니라, 그들의 내부 자원과 환경에 관한 것이었습니다. 간호가 의미 있고 선택된 길이라는 강력한 직업 정체성은 피로에 대한 주요한 방패 역할을 했습니다. 마찬가지로, 견고한 사회적 지지 네트워크와 심리적 회복 탄력성(스트레스에서 회복하는 능력)은 위험을 크게 낮추었습니다. 반면에, 높은 연령과 높은 교육 수준은 놀랍게도 피로 위험과 연결되어 있었습니다. 연구진은 이것이 고령의 학생이나 교육 수준이 높은 학생들이 목격하는 고통에 대해 더 깊은 이해를 가지고 있기 때문에 정서적 부담이 더 무거워질 수 있기 때문이라고 제안했습니다. 또한, 불규칙한 식습 습관과 주간 운동 부족 역시 높은 위험과 연결되어 있었는데, 이는 정신적 강인함을 유지하는 데 있어 기본적인 신체 건강의 중요성을 시사합니다.

본 연구는 이러한 구체적인 요인들을 살펴봄으로써, 간호 실습생들이 한계점에 도달하기 전에 공감 피로로 향하고 있음을 식별할 수 있는 도구를 구축하는 것이 가능하다는 결론을 내립니다. 연구진은 단순한 수학적 모델이 도움이 필요한 학생들, 특히 자신의 목적 의식이 흔들리거나 지원 체계가 부족한 학생들을 효과적으로 선별할 수 있음을 입증했습니다. 이러한 접근 방식은 병원과 학교가 학생이 너무 지쳐서 기능을 상실할 때까지 기다리는 대신, 상담을 제공하거나 업무량을 조절하거나 멘토십을 제공하는 등의 조치를 통해 조기에 개입할 수 있는 길을 열어줍니다. 간호 실습생의 독특한 프로필을 이해함으로써, 의료계는 미래의 인력인 그들을 더 잘 보호하고, 타인을 돌보는 이들 또한 스스로를 돌볼 수 있도록 보장할 수 있습니다.