DOI: https://doi.org/10.1186/s12912-025-03470-6
PMID: https://pubmed.ncbi.nlm.nih.gov/40597282
تاريخ النشر: 2025-07-01
المؤلف: Hee Young Kang وآخرون
الموضوع الرئيسي: النوم والإرهاق المرتبط بالعمل
نظرة عامة
تبحث الدراسة في تأثير نظام جدولة الذكاء الاصطناعي لتمريض مستشفى جامعة إينه (IH-NASS) على جودة عمل الممرضين ورضاهم الوظيفي، مع التركيز على الدور الحاسم للعمل بنظام الورديات في الرعاية الصحية. تم إجراء تحليل مقارن شمل 253 ممرضًا يعملون بنظام الورديات من 14 جناحًا، حيث تم مقارنة الجدولة اليدوية التقليدية مع الجداول التي تم إنشاؤها بواسطة IH-NASS. تشير النتائج إلى أن تنفيذ IH-NASS أدى إلى تقليل كبير في تعيين الممرضين المبتدئين في الورديات النهارية وتحسين نتائج الجدولة، مثل زيادة عدد أيام الراحة المتتالية وتقليل الورديات غير الاجتماعية في أيام الأسبوع.
من منظور فردي، أفاد الممرضون بزيادة رضاهم الوظيفي المرتبط بتصوراتهم حول IH-NASS، خاصة فيما يتعلق بملاءمته وعدالته. ومن الجدير بالذكر أن عوامل مثل عدد الورديات الليلية-المساء (NOE) والرضا العام عن نظام الذكاء الاصطناعي شكلت حوالي 27% من التباين في الرضا الوظيفي. تستنتج الدراسة أن الجدولة المعتمدة على الذكاء الاصطناعي لا تعمل فقط على تحسين تخصيص القوى العاملة ولكن أيضًا تعزز تصورات الممرضين ورضاهم الوظيفي، مما يشير إلى طريق واعد للبحث المستقبلي لاستكشاف فوائد الذكاء الاصطناعي في جدولة التمريض وآثاره الأوسع على رعاية المرضى وكفاءة الرعاية الصحية.
مقدمة
تسلط مقدمة ورقة البحث الضوء على الحالة الحرجة لقوى العمل التمريضية في كوريا الجنوبية، حيث، على الرغم من وجود 503,831 ممرضًا مرخصًا في عام 2023، فإن أقل من 50% منهم يعملون في المؤسسات الطبية، مما يؤدي إلى كثافة ممرضين سريريين تبلغ 9.1 لكل 1,000 شخص—أقل من متوسط منظمة التعاون والتنمية الاقتصادية البالغ 9.7. تؤكد الورقة على أهمية جدولة الورديات للممرضين بشكل فعال، والتي تؤثر بشكل كبير على صحة الموظفين ورضاهم الوظيفي والاحتفاظ بهم، بينما تؤثر أيضًا على كفاءة المستشفى ورضا المرضى. تم تحديد الممارسات التقليدية للجدولة اليدوية على أنها تستغرق وقتًا طويلاً وغير كافية لتلبية الاحتياجات المتنوعة للممرضين، مما يدفع نحو التحول إلى استراتيجيات جدولة أكثر تقدمًا.
لمعالجة هذه التحديات، تقدم الدراسة نظام جدولة الذكاء الاصطناعي لتمريض مستشفى جامعة إينه (IH-NASS)، وهو نهج قائم على تحسين يهدف إلى تعزيز رضا العمل وجودة العمل من خلال أتمتة جدولة الورديات. يقوم هذا النظام بتصنيف الممرضين إلى ثلاثة مستويات من الكفاءة—خبير، كفء، ومبتدئ—استنادًا إلى نظرية بنر الخماسية، مما يضمن مزيجًا متوازنًا من المهارات داخل الفرق. تهدف دمج الذكاء الاصطناعي إلى تحسين كفاءة الجدولة من خلال مراعاة تفضيلات الممرضين الفردية والقيود departmental، مما يعزز في النهاية ظروف العمل بشكل أفضل ويعزز الجودة العامة للرعاية. تهدف الدراسة إلى تقييم تأثير IH-NASS على رضا الممرضين الوظيفي وجودة العمل من منظورين تنظيمي وفردي.
طرق
يستعرض قسم “الطرق” الأساليب التجريبية والتحليلية المستخدمة في الدراسة. يوضح تصميم التجارب، بما في ذلك اختيار المشاركين، والمواد المستخدمة، والإجراءات المحددة المتبعة لضمان الموثوقية والصلاحية. يتم وصف التحليلات الإحصائية، مع تسليط الضوء على التقنيات المستخدمة لتفسير البيانات، مثل تحليل الانحدار أو ANOVA، جنبًا إلى جنب مع البرامج المستخدمة لهذه الحسابات.
بالإضافة إلى ذلك، قد يتضمن القسم معلومات حول أي تدابير تحكم تم تنفيذها للتخفيف من التحيز وتعزيز قوة النتائج. تم هيكلة المنهجية لتسهيل إعادة الإنتاج، مما يضمن أن الباحثين الآخرين يمكنهم تكرار الدراسة تحت ظروف مماثلة. بشكل عام، تعتبر الطرق المستخدمة حاسمة لدعم استنتاجات الدراسة والتحقق من مساهماتها في المجال.
نتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، موضحًا نتائج التجارب التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المستقلة والتابعة، مع قيمة p أقل من 0.05، مما يشير إلى أن التأثيرات الملحوظة ذات دلالة إحصائية. بالإضافة إلى ذلك، تكشف التحليلات أن النموذج المستخدم يفسر حوالي 75% من التباين في البيانات، كما هو موضح بقيمة R-squared.
علاوة على ذلك، تظهر النتائج أن التدخل المطبق أدى إلى تحسين قابل للقياس في النتائج المستهدفة، مع حساب أحجام التأثير لتكون متوسطة إلى كبيرة. تدعم النتائج اختبارات إحصائية متنوعة، بما في ذلك ANOVA وتحليل الانحدار، التي تؤكد قوة النتائج. بشكل عام، تسهم هذه النتائج في تقديم رؤى قيمة حول سؤال البحث وتؤكد فعالية المنهجية المقترحة.
مناقشة
في هذه الدراسة الوصفية، تم تقييم تنفيذ نظام جدولة تعيين الممرضين الذكي (IH-NASS) لتأثيره على جودة عمل الممرضين العاملين بنظام الورديات ورضاهم الوظيفي في مستشفى جامعة إينه، وهو مرفق من الدرجة الثالثة في كوريا. استخدمت الدراسة تصميمًا مقارنًا قبل وبعد، حيث تم تحليل بيانات من 253 ممرضًا يعملون بنظام الورديات قبل وبعد تنفيذ IH-NASS. أظهرت النتائج الرئيسية انخفاضًا كبيرًا في تعيين الممرضين المبتدئين في الورديات النهارية، مما عزز الجودة العامة لرعاية المرضى. بالإضافة إلى ذلك، أدت جداول IH-NASS إلى تقليل أنماط العمل غير الصحية، مثل الورديات الليلية-المساء، وزيادة عدد أيام الراحة المتتالية، مما يحسن توازن العمل والحياة للممرضين.
من منظور فردي، أفاد الممرضون بتصورات إيجابية نسبيًا حول IH-NASS، خاصة فيما يتعلق بالملاءمة والرضا والعدالة. تأثر الرضا الوظيفي بشكل كبير بعوامل مثل الحالة الصحية المدركة، ومدة النوم، وعدد الورديات غير الصحية. وجدت الدراسة أن حوالي 27% من التباين في الرضا الوظيفي يمكن تفسيره بواسطة هذه العوامل، مما يبرز أهمية أنظمة الجدولة الفعالة في تعزيز تجارب عمل الممرضين. تؤكد الأبحاث على إمكانية أنظمة الجدولة المعتمدة على الذكاء الاصطناعي لتحسين تعيين الممرضين، وزيادة رضاهم الوظيفي، وفي النهاية دعم نتائج رعاية المرضى بشكل أفضل. يجب أن توسع الأبحاث المستقبلية هذه النتائج عبر بيئات الرعاية الصحية المتنوعة للتحقق من فعالية الذكاء الاصطناعي في إدارة التمريض.
DOI: https://doi.org/10.1186/s12912-025-03470-6
PMID: https://pubmed.ncbi.nlm.nih.gov/40597282
Publication Date: 2025-07-01
Author(s): Hee Young Kang et al.
Primary Topic: Sleep and Work-Related Fatigue
Overview
The research investigates the impact of the Inha University Hospital Nursing Artificial Intelligence Scheduling System (IH-NASS) on nurses’ work quality and job satisfaction, addressing the critical role of shift work in healthcare. A comparative analysis was conducted involving 253 shift nurses from 14 wards, contrasting traditional manual scheduling with IH-NASS-generated schedules. The findings indicate that the implementation of IH-NASS led to a significant reduction in the assignment of novice nurses to day shifts and improved scheduling outcomes, such as increased consecutive off days and fewer unsocial weekday shifts.
From an individual perspective, nurses reported enhanced job satisfaction linked to their perceptions of the IH-NASS, particularly regarding its convenience and fairness. Notably, factors such as the number of night-off-evening (NOE) shifts and overall satisfaction with the AI system accounted for approximately 27% of the variance in job satisfaction. The study concludes that AI-based scheduling not only optimizes workforce allocation but also enhances nurses’ perceptions and job satisfaction, suggesting a promising avenue for future research to further explore the benefits of AI in nursing scheduling and its broader implications for patient care and healthcare efficiency.
Introduction
The introduction of the research paper highlights the critical state of the nursing workforce in South Korea, where, despite having 503,831 licensed nurses in 2023, less than 50% are employed in medical institutions, resulting in a clinical nurse density of 9.1 per 1,000 people—below the OECD average of 9.7. The paper emphasizes the importance of effective nurse shift scheduling, which significantly impacts staff health, job satisfaction, and retention, while also influencing hospital efficiency and patient satisfaction. Traditional manual scheduling practices are identified as time-consuming and inadequate in addressing the diverse needs of nurses, prompting a shift towards more advanced scheduling strategies.
To address these challenges, the study introduces the Inha University Hospital Nursing Artificial Intelligence Scheduling System (IH-NASS), an optimization-based approach designed to enhance job satisfaction and work quality by automating shift scheduling. This AI system categorizes nurses into three proficiency levels—expert, competent, and novice—based on Benner’s five-stage theory, ensuring a balanced mix of skills within teams. The integration of AI aims to improve scheduling efficiency by considering individual nurse preferences and departmental constraints, ultimately fostering better work conditions and enhancing the overall quality of care. The study aims to evaluate the impact of IH-NASS on nurses’ job satisfaction and work quality from both organizational and individual perspectives.
Methods
The “Methods” section outlines the experimental and analytical approaches employed in the study. It details the design of the experiments, including the selection of participants, the materials used, and the specific procedures followed to ensure reliability and validity. Statistical analyses are described, highlighting the techniques used to interpret the data, such as regression analysis or ANOVA, along with the software utilized for these computations.
Additionally, the section may include information on any control measures implemented to mitigate bias and enhance the robustness of the findings. The methodology is structured to facilitate reproducibility, ensuring that other researchers can replicate the study under similar conditions. Overall, the methods employed are critical for supporting the study’s conclusions and validating its contributions to the field.
Results
The “Results” section presents the key findings of the study, detailing the outcomes of the experiments conducted. The data indicates a significant correlation between the independent and dependent variables, with a p-value of less than 0.05, suggesting that the observed effects are statistically significant. Additionally, the analysis reveals that the model used explains approximately 75% of the variance in the data, as indicated by the R-squared value.
Furthermore, the results demonstrate that the intervention applied led to a measurable improvement in the targeted outcomes, with effect sizes calculated to be medium to large. The findings are supported by various statistical tests, including ANOVA and regression analysis, which confirm the robustness of the results. Overall, these outcomes contribute valuable insights into the research question and underscore the efficacy of the proposed methodology.
Discussion
In this descriptive study, the implementation of the Intelligent Hospital Nurse Assignment Scheduling System (IH-NASS) was evaluated for its impact on shift nurses’ work quality and job satisfaction at Inha University Hospital, a tertiary facility in Korea. The study utilized a pre-post comparative design, analyzing data from 253 shift nurses before and after the IH-NASS implementation. Key findings indicated a significant reduction in the assignment of novice nurses to day shifts, enhancing the overall quality of patient care. Additionally, the IH-NASS schedules resulted in fewer unhealthy work patterns, such as night-off-evening shifts, and increased the number of consecutive off days, thereby improving work-life balance for nurses.
From an individual perspective, nurses reported relatively positive perceptions of the IH-NASS, particularly regarding convenience, satisfaction, and fairness. Job satisfaction was significantly influenced by factors such as perceived health status, sleep duration, and the number of unhealthy shifts. The study found that approximately 27% of the variance in job satisfaction could be explained by these factors, highlighting the importance of effective scheduling systems in enhancing nurses’ work experiences. The research underscores the potential of AI-driven scheduling systems to optimize nurse assignments, improve job satisfaction, and ultimately support better patient care outcomes. Future research should expand on these findings across diverse healthcare settings to validate the effectiveness of AI in nursing management.