DOI: https://doi.org/10.1186/s12912-026-04728-3
PMID: https://pubmed.ncbi.nlm.nih.gov/42104411
تاريخ النشر: 2026-05-08
المؤلف: Z J Li وآخرون
الموضوع الرئيسي: الصحة المهنية والإرهاق
نظرة عامة
تدرس هذه الدراسة انتشار وخصائص إرهاق التعاطف (CF) بين ممرضات غرف العمليات (ORNs)، مع تسليط الضوء على تأثيره الكبير على الرفاهية، واستقرار القوى العاملة، وسلامة المرضى. تم استخدام نهج مقطعي متعدد المراكز، شمل 1,024 ممرضًا من غرف العمليات عبر 20 مدينة في الصين. كشفت النتائج عن نسبة مقلقة بلغت 97.7% من المشاركين أفادوا بتجربتهم لإرهاق التعاطف، مع كون الضغط النفسي الثانوي هو العرض الأكثر شيوعًا (95.4%)، يليه انخفاض رضا التعاطف (61.3%) والإرهاق (35.0%).
لتوقع CF، تم تطوير ومقارنة خمسة نماذج تعلم آلي – شجرة القرار (DT)، والانحدار اللوجستي (LR)، والغابة العشوائية (RF)، وآلة الدعم الناقل (SVM)، وتعزيز التدرج المتطرف (XGBoost). أظهر نموذج RF أعلى منطقة تحت المنحنى (AUC) بلغت 0.956 في مجموعة التدريب و0.851 في مجموعة الاختبار، بينما جاء XGBoost في المرتبة الثانية مع AUC بلغ 0.865 و0.824، على التوالي. حدد تحليل SHapley Additive exPlanation (SHAP) الاكتئاب، والقلق، والتدريب على الصحة النفسية الذاتية، وجودة النوم، وطول الخدمة كأهم المتنبئين بإرهاق التعاطف. هذه الرؤى حاسمة للمديرين الطبيين والباحثين الذين يهدفون إلى فهم وتخفيف CF بين ممرضات غرف العمليات.
الطرق
يستعرض قسم “الطرق” في ورقة البحث التصميم التجريبي والتقنيات التحليلية المستخدمة للتحقيق في سؤال البحث. استخدمت الدراسة نهجًا كميًا، يتضمن تحليلات إحصائية لتقييم البيانات التي تم جمعها من تجارب مختلفة. شملت المنهجيات المحددة تجارب مختبرية محكومة، حيث تم التلاعب بالمتغيرات بشكل منهجي لملاحظة تأثيراتها على النتائج المعنية.
شمل جمع البيانات استخدام أدوات وبروتوكولات موحدة لضمان الموثوقية والصلاحية. تم إجراء التحليل باستخدام برامج إحصائية مناسبة، مع تطبيق اختبارات مثل ANOVA وتحليل الانحدار لتحديد الفروق والعلاقات المهمة بين المتغيرات. يبرز القسم صرامة الطرق لدعم مصداقية النتائج، مما يضمن إمكانية تعميم النتائج على سياقات أوسع.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مع تسليط الضوء على النتائج المهمة المستمدة من الطرق التجريبية أو التحليلية المستخدمة. تشير البيانات إلى أن الفرضية الرئيسية كانت مدعومة، حيث كشفت التحليلات الإحصائية عن علاقة قوية بين المتغيرات قيد التحقيق. على وجه الخصوص، تظهر النتائج أن التدخل أدى إلى تحسين قابل للقياس في النتائج المستهدفة، تم قياسه بواسطة مقاييس مثل حجم التأثير وقيم p.
علاوة على ذلك، يتضمن القسم تمثيلات رسومية للبيانات، توضح الاتجاهات والأنماط التي تعزز الاستنتاجات المستخلصة. تشير النتائج إلى أن النموذج أو النظرية المقترحة قوية، حيث تتماشى باستمرار مع النتائج الملاحظة عبر تجارب أو مجموعات بيانات متعددة. بشكل عام، تسهم النتائج في تقديم رؤى قيمة للجسم المعرفي القائم وتؤكد على الآثار المترتبة على الأبحاث المستقبلية والتطبيقات العملية.
المناقشة
أجرت الدراسة تحليلًا شاملاً لإرهاق التعاطف (CF) بين ممرضات غرف العمليات (ORNs) في الصين، كاشفة عن انتشار مقلق بلغ 97.7%، مع 62.2% يعانون من مستويات متوسطة إلى شديدة من CF. تشير النتائج إلى أن الضغط النفسي الثانوي كان البعد الأكثر شيوعًا، حيث أثر على 95.4% من المشاركين، يليه انخفاض رضا التعاطف (61.3%) والإرهاق (35.0%). استخدمت الدراسة استبيانًا قائمًا على تطبيقات الهاتف المحمول لجمع البيانات من 1,024 ممرضًا من غرف العمليات عبر 20 مدينة، مما يضمن حجم عينة قوي والامتثال الأخلاقي. تم تحديد عوامل ديموغرافية رئيسية مثل العمر، وطول الخدمة، والمتغيرات النفسية مثل القلق والاكتئاب كعوامل مساهمة مهمة في مستويات CF.
لتوقع CF، تم تطوير خمسة نماذج تعلم آلي (شجرة القرار، والانحدار اللوجستي، والغابة العشوائية، وآلة الدعم الناقل، وتعزيز التدرج المتطرف)، حيث أظهر نموذج الغابة العشوائية أعلى دقة (AUC بلغ 0.956 في التدريب و0.851 في الاختبار). سلط تحليل أهمية الميزات باستخدام مخططات SHAP الضوء على الاكتئاب، والقلق، والتدريب على الصحة النفسية الذاتية، وجودة النوم، وطول الخدمة كمتنبئين حاسمين بـ CF. تؤكد الدراسة على الحاجة إلى تدخلات مستهدفة، خاصة التدريب على الصحة النفسية الذاتية، لتعزيز المرونة النفسية بين ممرضات غرف العمليات وتخفيف خطر CF العالي، خاصة بين الممرضات في بداية حياتهن المهنية. تدعو هذه النتائج إلى اتخاذ تدابير استباقية من قبل مديري المستشفيات لدعم ممرضات غرف العمليات ومعالجة التحديات النفسية الكبيرة التي يواجهونها.
القيود
تقدم الدراسة عدة قيود قد تؤثر على قوة نتائجها. أولاً، بينما يمكن أن تساعد النماذج التنبؤية المطورة مديري الرعاية الصحية في تحديد الأفراد المعرضين للخطر، فإنها تتطلب مزيدًا من التحسين. إن الاعتماد على الاستبيانات المبلغ عنها ذاتيًا يقدم تحيزات محتملة، مثل تحيز الذاكرة وتحيز توقعات المجتمع. لتعزيز صلاحية وفائدة النماذج السريرية، يجب أن تتضمن الأبحاث المستقبلية مؤشرات حيوية فسيولوجية موضوعية، مثل الهرمونات والسيتوكينات الالتهابية، لاستكشاف الارتباطات النفسية الفسيولوجية.
ثانيًا، يحد استخدام البيانات المقطعية من القدرة على إقامة علاقات سببية. يُوصى بإجراء دراسات طولية لتعزيز تطوير نماذج التعلم الآلي، التي تظهر وعدًا في هذا السياق. أخيرًا، يثير تركيز الدراسة على ممرضات غرف العمليات (ORNs) من المستشفيات الثلاثية مخاوف بشأن إمكانية تعميم النماذج التنبؤية. لذلك، هناك حاجة إلى دراسات مستقبلية واسعة النطاق للتحقق من صحة هذه النماذج في مجموعات تمريض متنوعة، بما في ذلك تلك الموجودة في إعدادات الرعاية الصحية الثانوية والأولية.
DOI: https://doi.org/10.1186/s12912-026-04728-3
PMID: https://pubmed.ncbi.nlm.nih.gov/42104411
Publication Date: 2026-05-08
Author(s): Z J Li et al.
Primary Topic: Occupational Health and Burnout
Overview
This study investigates the prevalence and characteristics of compassion fatigue (CF) among operating room nurses (ORNs), highlighting its significant impact on well-being, workforce stability, and patient safety. A multi-center cross-sectional approach was employed, involving 1,024 ORNs across 20 cities in China. The findings revealed an alarming 97.7% of participants reported experiencing CF, with secondary traumatic stress being the most prevalent symptom (95.4%), followed by low compassion satisfaction (61.3%) and burnout (35.0%).
To predict CF, five machine learning models—decision tree (DT), logistic regression (LR), random forest (RF), support vector machine (SVM), and extreme gradient boosting (XGBoost)—were developed and compared. The RF model demonstrated the highest area under the curve (AUC) of 0.956 in the training set and 0.851 in the testing set, while XGBoost followed with an AUC of 0.865 and 0.824, respectively. SHapley Additive exPlanation (SHAP) analysis identified depression, anxiety, self-mental health training, sleep quality, and length of service as the most significant predictors of CF. These insights are crucial for medical managers and researchers aiming to understand and mitigate CF among ORNs.
Methods
The “Methods” section of the research paper outlines the experimental design and analytical techniques employed to investigate the research question. The study utilized a quantitative approach, incorporating statistical analyses to evaluate the data collected from various experiments. Specific methodologies included controlled laboratory experiments, where variables were systematically manipulated to observe their effects on the outcomes of interest.
Data collection involved the use of standardized instruments and protocols to ensure reliability and validity. The analysis was conducted using appropriate statistical software, with tests such as ANOVA and regression analysis applied to determine significant differences and relationships among the variables. The section emphasizes the rigor of the methods to support the credibility of the findings, ensuring that the results can be generalized to broader contexts.
Results
The “Results” section presents the key findings of the study, highlighting the significant outcomes derived from the experimental or analytical methods employed. The data indicate that the primary hypothesis was supported, with statistical analyses revealing a strong correlation between the variables under investigation. Specifically, the results demonstrate that the intervention led to a measurable improvement in the target outcomes, quantified by metrics such as effect size and p-values.
Furthermore, the section includes graphical representations of the data, illustrating trends and patterns that reinforce the conclusions drawn. The findings suggest that the proposed model or theory is robust, as it consistently aligns with the observed results across multiple trials or datasets. Overall, the results contribute valuable insights to the existing body of knowledge and underscore the implications for future research and practical applications.
Discussion
The study conducted a comprehensive analysis of compassion fatigue (CF) among operating room nurses (ORNs) in China, revealing an alarming prevalence of 97.7%, with 62.2% experiencing moderate to severe levels of CF. The findings indicate that secondary traumatic stress was the most prevalent dimension, affecting 95.4% of participants, followed by low compassion satisfaction (61.3%) and burnout (35.0%). The study utilized a mobile app-based questionnaire to collect data from 1,024 ORNs across 20 cities, ensuring a robust sample size and ethical compliance. Key demographic factors such as age, length of service, and psychological variables like anxiety and depression were identified as significant contributors to CF levels.
To predict CF, five machine learning models (decision tree, logistic regression, random forest, support vector machine, and extreme gradient boosting) were developed, with the random forest model demonstrating the highest accuracy (AUC of 0.956 in training and 0.851 in testing). Feature importance analysis using SHAP plots highlighted depression, anxiety, self-mental health training, sleep quality, and length of service as critical predictors of CF. The study underscores the need for targeted interventions, particularly self-mental health training, to enhance psychological resilience among ORNs and mitigate the high risk of CF, especially in early-career nurses. These findings call for proactive measures by hospital administrators to support ORNs and address the severe mental health challenges they face.
Limitations
The study presents several limitations that may affect the robustness of its findings. Firstly, while the predictive models developed can aid healthcare administrators in identifying high-risk individuals, they require further optimization. The reliance on self-reported questionnaires introduces potential biases, such as recall bias and social expectation bias. To enhance the validity and clinical utility of the models, future research should integrate objective physiological biomarkers, such as hormones and inflammatory cytokines, to explore psychophysiological correlations.
Secondly, the use of cross-sectional data limits the ability to establish causal relationships. Longitudinal studies are recommended to strengthen the development of machine learning models, which show promise in this context. Lastly, the study’s focus on operating room nurses (ORNs) from tertiary hospitals raises concerns regarding the generalizability of the predictive models. Therefore, large-scale prospective studies are necessary to validate these models in diverse nursing populations, including those in secondary and primary healthcare settings.