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

No mundo de alto risco da área da saúde, os enfermeiros são treinados para serem as mãos firmes e as vozes calmas para as pessoas em seus momentos de maior vulnerabilidade. Eles absorvem a dor, o medo e o trauma dos outros como parte de seu trabalho diário. No entanto, esse constante trabalho emocional carrega um custo oculto conhecido como fadiga de compaixão. Não é simplesmente esgotamento ou cansaço; é um tipo específico de exaustão que ocorre quando os cuidadores são expostos ao sofrimento alheio por muito tempo, deixando-os fisicamente drenados e psicologicamente vazios. Para os estagiários de enfermagem — estudantes em transição da sala de aula para o ambiente hospitalar — esse risco é particularmente agudo. Eles estão navegando em um ambiente novo e intenso enquanto ainda aprendem o ofício, tornando-se unicamente suscetíveis ao impacto emocional da profissão. Compreender quem está mais em risco e o porquê é essencial, não apenas para o próprio bem-estar dos estudantes, mas também para a segurança dos pacientes que eles cuidam.

Uma equipe de pesquisadores da Faculdade Médica da Universidade de Shantou propôs-se a resolver um problema crítico: como prever quais estagiários de enfermagem têm probabilidade de desenvolver essa condição antes que ela se instale. Os métodos tradicionais muitas vezes dependem de pedir aos estudantes que preencham questionários depois que já estão se sentindo sobrecarregados, o que é tarde demais para uma prevenção eficaz. Para mudar isso, os pesquisadores coletaram dados de 355 estagiários de enfermagem em dez grandes hospitais na província de Guangdong, China. Eles não olharam apenas para saber se um estudante estava cansado; eles examinaram uma ampla gama de fatores, desde a idade e o nível de escolaridade até hábitos alimentares, exercícios físicos e o quanto se sentiam apoiados por amigos e familiares. Eles também mediram a força com que os estudantes se identificavam com sua futura profissão e quão resilientes eram diante do estresse.

Os pesquisadores primeiro usaram um método estatístico para classificar os estagiários em grupos distintos com base em seus sintomas. Eles descobriram que a fadiga de compaixão não era uma experiência única compartilhada por todos da mesma maneira. Em vez disso, os estagiários dividiram-se em três categorias claras: um grupo com baixos níveis de fadiga, um grupo com níveis moderados e um grupo com níveis graves. Cerca cerca de 42% dos estudantes estavam no grupo de baixo risco, quase 40% apresentavam sinais moderados e aproximadamente 19% já estavam experimentando exaustão severa. Essa descoberta destacou que o problema afeta a maioria dos estagiários, mas em diferentes intensidades, exigindo diferentes tipos de ajuda.

Para passar da observação para a previsão, a equipe empregou sete diferentes ferramentas de aprendizado de máquina, um tipo de inteligência artificial que encontra padrões em dados. Eles inseriram as informações sobre os estagiários nesses sistemas para ver qual ferramenta poderia melhor adivinhar quem desenvolveria a fadiga de compaixão. O objetivo era encontrar um modelo que fosse preciso o suficiente para ser útil no mundo real. Após testar e comparar os resultados, um método estatístico padrão chamado regressão logística emergiu como o preditor mais confiável. Embora modelos computacionais mais complexos tentassem encontrar padrões intrincados, eles às vezes se confundiam com os detalhes específicos dos dados nos quais foram treinados e falhavam em generalizar bem para novas pessoas. O modelo mais simples, porém, permaneceu constante e preciso, identificando corretamente os estudantes de alto risco com um alto grau de confiança.

A análise revelou os ingredientes específicos que compunham esse risco. Os fatores mais poderosos não diziam respeito apenas ao quanto os estudantes trabalhavam, mas sim sobre seus recursos internos e ambiente. Um forte senso de identidade profissional — sentir que a enfermagem é um caminho significativo e escolhido — foi um grande escudo contra a fadiga. Da mesma forma, ter uma rede sólida de apoio social e alta resiliência psicológica, ou a capacidade de recuperar-se do estresse, reduziu significamente o risco. Por outro lado, o estudo descobriu que a idade mais avançada e níveis mais altos de escolaridade estavam surpreendentemente ligados a um maior risco de fadiga. Os pesquisadores sugerem que isso pode ocorrer porque estudantes mais velhos ou com mais instrução possuem uma compreensão mais profunda do sofrimento que testemunham, o que pode tornar o fardo emocional mais pesado. Além disso, hábitos alimentares irregulares e a falta de exercícios semanais também foram ligados a maiores riscos, apontando para a importância da saúde física básica na manutenção da força mental.

O estudo conclui que, ao observar esses fatores específicos, é possível construir uma ferramenta que identifique estagiários de enfermagem que estão caminhando para a fadiga de compaixão antes de atingirem um ponto de ruptura. Os pesquisadores demonstraram que um modelo matemático direto pode identificar efetivamente estudantes que precisam de ajuda, particularmente aqueles que possam estar lutando com seu senso de propósito ou carecendo de sistemas de apoio. Essa abordagem oferece uma maneira para que hospitais e escolas intervenham precocemente, talvez oferecendo aconselhamento, ajustando cargas de trabalho ou fornecendo mentoria, em vez de esperar até que um estudante esteja exausto demais para funcionar. Ao compreender o perfil único do estagiário de enfermagem, a comunidade médica pode melhor proteger a saúde mental de sua futura força de trabalho, garantindo que aqueles que cuidam dos outros também sejam cuidados.