اختبرت دراسة نُشرت في Discover Artificial Intelligence ما إذا كان التعلم الآلي قادرًا على الفصل بين العاملين في الرعاية الصحية ذوي المرونة النفسية والاجتماعية العالية وأولئك ذوي المرونة المنخفضة، وأشارت النتائج إلى إشارة متواضعة لكنها قابلة للاستخدام. استعان فريق البحث، ومقره Universidad Tecnica Particular de Loja، ببيانات استبيان جُمعت في أنحاء الولايات المتحدة خلال جائحة كوفيد-19، وقارن ثلاث طرق تصنيف مختلفة ببعضها البعض.
يمثل هذا التأطير خروجًا متعمدًا عن كثير من الأدبيات القائمة. فمعظم الأبحاث في الصحة النفسية للعاملين في الرعاية الصحية تركز على النواتج السلبية مثل الإنهاك الوظيفي والاستنزاف العاطفي وترك العمل. أما هذه الدراسة فقد حاولت بدلًا من ذلك التنبؤ بقدرة إيجابية: القدرة على التعامل النشط مع الضغط والتعافي منه. وهذا التحول في التركيز مهم لكيفية تصميم برامج الدعم في نهاية المطاف، لأنه يسأل عما يُبقي الناس قادرين على الأداء وليس فقط عما يُنهكهم.
ثلاثة خوارزميات وفائز واضح واحد
درّب الفريق ثلاثة نماذج تصنيف على المجموعة نفسها من إجابات الاستبيان: الانحدار اللوجستي، ومصنّف الغابة العشوائية، وآلة المتجهات الداعمة (SVM). وطُلب من كل نموذج تصنيف المستجيبين ضمن إحدى مجموعتين، مرونة عالية أو مرونة منخفضة، ثم قُورنت الخوارزميات في مدى صحة هذا التصنيف.
- الانحدار اللوجستي: دقة 75.6%، مع مساحة تحت منحنى ROC قدرها 0.816
- الغابة العشوائية: دقة 72.6%
- آلة المتجهات الداعمة: دقة 70.8%
أنتج الانحدار اللوجستي أقوى النتائج. والمساحة تحت منحنى ROC مقياس لمدى قدرة النموذج على الفصل بين فئتين عند كل عتبة قرار ممكنة، وتشير قيمة 0.816 إلى تمييز جيد معقول، وإن كانت أقل بكثير من الكمال. ومن اللافت أن أبسط الطرق الثلاث تفوقت على البديلين الأكثر تعقيدًا، وهو نمط يظهر بانتظام في بيانات الاستبيانات الجدولية حيث تكون العلاقات بين المتغيرات خطية إلى حد كبير وحجم العينة معتدلًا.
من أين جاءت بيانات التدريب
تحتاج النماذج إلى أمثلة تتعلم منها. استخدم الباحثون مجموعة بيانات How Right Now Mental Health & Coping، التي جمعتها NORC في جامعة شيكاغو بين عامي 2021 و2022. وتحتوي على إجابات 2,055 شخصًا في الولايات المتحدة، جُمعت خلال فترة من الجائحة كانت فيها المستشفيات والعيادات تعمل تحت ضغط مستمر ونقص في الموظفين وطلب غير معتاد على المرضى.
بناء مؤشر للمرونة
قبل تدريب أي نموذج، احتاج الباحثون إلى شيء قابل للقياس للتنبؤ به. فبنوا مؤشر مرونة من أربعة متغيرات نفسية قياسية: المرونة نفسها، والقدرة على النهوض مجددًا، والتحكم، والثقة. جُمعت هذه المكونات ثم قُسمت إلى مستويين باستخدام الوسيط كنقطة قطع، ما أنتج هدفًا ثنائيًا يتمثل في مرونة عالية مقابل منخفضة لكل مستجيب. ويضمن التقسيم عند الوسيط مجموعة متوازنة من الفئات، ما يحافظ على قابلية مقارنة أرقام الدقة بين النماذج، وإن كان يعني أيضًا أن المجموعتين تُعرَّفان نسبةً إلى بعضهما البعض لا مقابل عتبة سريرية مطلقة.
ما الذي يتنبأ بانخفاض المرونة
عند فحص النماذج لمعرفة المدخلات الأكثر وزنًا، هيمنت ثلاثة عوامل. كان الضغط أقوى مساهم بوزن 0.182، تلاه الاكتئاب عند 0.160 والقلق عند 0.145. ثم جاء اليأس والتغيرات في أنماط النوم بعد ذلك، لتكمل مجموعة من المتغيرات التي تشير مجتمعة إلى احتمال أكبر للوقوع في مجموعة المرونة المنخفضة.
الترتيب بديهي، لكنه يظل مفيدًا. فهو يشير إلى أن العبء المتراكم للضيق، لا أي عرض منفرد بمعزل عن غيره، هو ما يحدد ما إذا كان العامل في الرعاية الصحية يحتفظ بالموارد النفسية اللازمة لمواصلة التعامل مع الضغط. ويمكن لأساليب الفحص المبنية على هذا النوع من الترجيح، من حيث المبدأ، أن تحدد الأشخاص الذين يضعهم مزيجهم من الضغط والمزاج المنخفض والقلق في خطر أعلى، قبل أن يتحول هذا الخطر إلى إنهاك وظيفي أو ترك للمهنة.
استراتيجيات التعامل تبدو متراكمة
دخلت سلوكيات التعامل إلى النموذج بأوزان فردية أقل، لكنها ارتبطت باستمرار بمرونة أكبر. فطلب الدعم الاجتماعي، وممارسة الهوايات، والصلاة والتأمل، كلها أشارت في الاتجاه نفسه، ما يوحي بأن هذه العادات تصاحب مرونة أعلى حتى إن كانت تسهم في التنبؤ أقل من المتغيرات المرتبطة بالضيق.
والأكثر لفتًا كان كيفية تراكب هذه السلوكيات. فقد وجد الباحثون أن التأثير بدا تراكميًا: فالمستجيبون الذين أفادوا باستخدام عدة استراتيجيات تعامل في وقت واحد حصلوا، في المتوسط، على درجات مرونة أعلى من أولئك الذين اعتمدوا على واحدة فقط. ويلمح هذا النمط إلى أن الاتساع قد يكون مهمًا بقدر أهمية الشدة عندما يتعلق الأمر بالعادات الوقائية. وهو أيضًا نوع من النتائج لا يستطيع استبيان لقطة واحدة تفسيره بالكامل، لأن التصميم المقطعي لا يمكنه إثبات ما إذا كانت الاستراتيجيات قد أنتجت الدرجات الأعلى أم أن الأشخاص الأكثر مرونة أصلًا كانوا ببساطة أكثر ميلًا لتبنيها.
حدود الأدلة
يصرّح المؤلفون بحدود نتائجهم. فالبيانات تلتقط نقطة زمنية واحدة بدلًا من تتبع الأفراد على مدى أشهر أو سنوات، لذا لا يمكن للدراسة أن تُظهر كيف ترتفع المرونة أو تنخفض، أو في أي اتجاه تسير علاقتها بسلوكيات التعامل. كما أن جميع القياسات تعتمد على تقارير المشاركين أنفسهم، وهي قد تتأثر بالمزاج والذاكرة والتوقعات الاجتماعية. والعينة مستمدة بالكامل من الولايات المتحدة.
وتحد هذه القيود من مدى إمكانية تعميم الاستنتاجات على أنظمة رعاية صحية أخرى، بما في ذلك تلك الموجودة في أمريكا اللاتينية، حيث قد تختلف ظروف العمل ونماذج التوظيف وهياكل الأجور والمواقف الثقافية تجاه الصحة النفسية. فالنموذج المدرَّب على مستجيبي بلد واحد لا يكون قابلًا للنقل تلقائيًا إلى بلد آخر، حتى عندما تكون المفاهيم النفسية الأساسية متشابهة.
الخطوات التالية المقترحة
يرسم فريق البحث مسارًا واضحًا للمضي قدمًا. أولًا، التحقق من صحة النموذج مع عاملين في الرعاية الصحية في أمريكا اللاتينية لاختبار ما إذا كانت المؤشرات نفسها تصمد في سوق عمل وسياق نظام صحي مختلفين. ثانيًا، إثراء بيانات المدخلات بمقاييس إضافية، مثل بيانات النوم أو المؤشرات الفسيولوجية، التي يمكن أن تكمل الإجابات المبلَّغ عنها ذاتيًا وتقلل اعتماد الدراسة على التقييم الذاتي.
وإذا نجح هذا التحقق، فقد يدعم النهج شيئًا أكثر عملية من نتيجة بحثية: طريقة لتحديد أي الموظفين قد يستفيدون أكثر من الدعم، وأي مجموعات من استراتيجيات التعامل تبدو وكأنها تحميهم. ويتوقف المؤلفون عن ادعاء أن النموذج جاهز للنشر، وأرقام الدقة تبرر هذا الحذر.
لماذا تهم النتيجة
استوعبت القوى العاملة في الرعاية الصحية ضغطًا هائلًا في السنوات الأخيرة، ويُعد قرار نمذجة المرونة بدلًا من التركيز على العجز فقط قرارًا ذا مغزى. فمعدل دقة 75.6% ليس أداة تشخيصية، ولا يقدمه الباحثون على هذا النحو. لكنه يشير إلى أن إجابات الاستبيانات المجمعة روتينيًا تحتوي على نمط قابل للتعلم، يمكن للانحدار اللوجستي المباشر قراءته على الأقل بقدر ما تقرأه بدائل التعلم الآلي الأثقل. وبالنسبة للأنظمة الصحية التي تزن كيفية توجيه موارد الصحة النفسية الشحيحة، فهذه إشارة تستحق مزيدًا من التحقق.
يعتمد هذا المقال على تقرير لـ Medical Xpress. اقرأ المقال الأصلي.
Originally published on medicalxpress.com
