DOI: https://doi.org/10.1186/s12912-024-01711-8
PMID: https://pubmed.ncbi.nlm.nih.gov/38347557
تاريخ النشر: 2024-02-13
المؤلف: Angelina R. Wilton وآخرون
الموضوع الرئيسي: ضغط وإرهاق المهنيين في الرعاية الصحية
نظرة عامة
تهدف دراسة BROWNIE إلى معالجة مشكلة الاحتراق المهني بين العاملين في مجال الرعاية الصحية، وخاصة الممرضين المسجلين (RNs)، من خلال الاستفادة من التكنولوجيا المعتمدة على البيانات للتنبؤ المبكر. لا يؤثر الاحتراق فقط على رفاهية المهنيين في الرعاية الصحية ولكن أيضًا يؤثر سلبًا على نتائج المرضى. تقترح هذه الدراسة نهجًا لامركزيًا لتطوير نماذج تنبؤية للاحتراق باستخدام الساعات الذكية القابلة للارتداء من فئة المستهلك لجمع البيانات الفسيولوجية (معدل ضربات القلب، عدد الخطوات، وأنماط النوم) جنبًا إلى جنب مع التقييمات النفسية وتقييمات مكان العمل من خلال الاستطلاعات عبر الإنترنت. ستقوم الدراسة بتجنيد 360 ممرضًا مسجلاً عبر ثلاث مجموعات للتدريب والاختبار والتحقق من صحة النماذج التنبؤية، مع جمع البيانات على مدار عام واحد.
لزيادة المشاركة والامتثال، تتضمن دراسة BROWNIE استراتيجيات مبتكرة للتفاعل وتم تصميمها لتكون غير متزامنة، مما يضمن أن الممرضين المسجلين، بما في ذلك أولئك الذين يعملون في نوبات ليلية، يمكنهم الوصول إلى موارد الدراسة دون عبء إضافي. بالإضافة إلى ذلك، سيتم جمع البيانات الإدارية الروتينية حول نتائج رعاية التمريض أسبوعيًا لتقدير التكاليف المرتبطة بالاحتراق. يمثل هذا البروتوكول نهجًا استباقيًا للتخفيف من عواقب الاحتراق في بيئات الرعاية الصحية، مع إمكانية تحقيق تأثيرات كبيرة على الصحة الفردية والعامة. تم تسجيل الدراسة تحت الرقم NCT05481138.
مقدمة
تحدد مقدمة ورقة البحث القضية الحرجة للاحتراق، وخاصة بين الممرضين المسجلين (RNs)، كما عرّفتها منظمة الصحة العالمية في ICD-11. تسلط الضوء على نموذج متطلبات العمل والموارد (JD-R)، الذي يفترض أن المتطلبات المفرطة في مكان العمل تؤدي إلى الإرهاق العاطفي والانفصال، مما يقلل في النهاية من الرضا عن الحياة ويساهم في الاحتراق. إن انتشار الاحتراق بين الممرضين مقلق، حيث تشير التقديرات إلى أن 35-45% يعانون منه بسبب عوامل مثل زيادة متطلبات العمل والضغط الأخلاقي. تمتد عواقب الاحتراق إلى ما هو أبعد من الصحة الفردية، مما يؤثر على جودة رعاية المرضى ويتسبب في تكاليف كبيرة للمؤسسات الصحية.
تؤكد الورقة على الحاجة إلى تحديد الاحتراق مبكرًا لتسهيل التدخلات في الوقت المناسب، خاصة في ضوء الآثار المتفاقمة لجائحة COVID-19 على العاملين في مجال الرعاية الصحية. تعتمد طرق قياس الاحتراق الحالية بشكل أساسي على مقاييس الاستطلاعات، والتي قد تتجاهل التفاعل بين العوامل النفسية والتنظيمية والفسيولوجية. تهدف دراسة BROWNIE إلى معالجة هذه الفجوة من خلال استخدام بيانات فسيولوجية في الوقت الحقيقي من الساعات الذكية القابلة للارتداء، جنبًا إلى جنب مع التقييمات النفسية وعوامل مكان العمل، للتنبؤ بالاحتراق لدى الممرضين المسجلين. ستقوم الدراسة بإنشاء مجموعة بيانات شاملة وتطوير إطار تحليلي باستخدام نماذج بيانية احتمالية وتعلم متعدد المهام لتوليد تنبؤات قابلة للتفسير للاحتراق، مع الهدف النهائي للتخفيف من تأثيره على المهنيين في التمريض وأنظمة الرعاية الصحية.
الطرق
تحدد قسم “الطرق” الأساليب التجريبية والتحليلية المستخدمة في الدراسة. يوضح تصميم التجارب، بما في ذلك اختيار المواد، وتحضير العينة، والبروتوكولات المحددة المتبعة لضمان إمكانية التكرار. كما يتم وصف الأساليب الإحصائية المستخدمة لتحليل البيانات، مع تسليط الضوء على التقنيات المستخدمة لتقييم دلالة النتائج.
بالإضافة إلى ذلك، قد يتضمن القسم معلومات عن النماذج الحاسوبية أو المحاكاة المستخدمة لدعم النتائج التجريبية، جنبًا إلى جنب مع أي معادلات أو خوارزميات ذات صلة. يضمن هذا النهج الشامل أن تكون المنهجية قوية ويسمح بالتحقق من صحة استنتاجات الدراسة من خلال الاختبار والتحليل الدقيقين.
المناقشة
تعد دراسة BROWNIE مشروع بحثي ملاحظ لامركزي ذو ذراع واحد يهدف إلى فهم الاحتراق بين الممرضين المسجلين (RNs) في بيئات المستشفيات. تستخدم مزيجًا من البيانات الفسيولوجية المستمرة التي تم جمعها عبر ساعات Garmin الذكية والتقييمات النفسية من خلال استطلاعات ربع سنوية لاستكشاف العوامل الفردية وعوامل مكان العمل المرتبطة بالاحتراق. ستقوم الدراسة بتجنيد ثلاث مجموعات من 120 ممرضًا مسجلاً لكل منها، بإجمالي 360 مشاركًا، على مدار فترة 12 شهرًا. ستشمل جمع البيانات استجابات الإجهاد الفسيولوجية، والأعراض النفسية، والعادات الغذائية، والتعرضات في مكان العمل، ونتائج المرضى، بما يتماشى مع توصيات الأكاديمية الوطنية للطب بشأن قياس الاحتراق بانتظام دون إضافة عبء على المشاركين.
يتضمن تصميم الدراسة عنصر تعلم الآلة، حيث سيتم استخدام البيانات من المجموعة الأولى لتطوير نماذج تنبؤية للاحتراق، والتي سيتم التحقق منها بعد ذلك مع المجموعات اللاحقة. ستركز التحليلات على إنشاء ديناميات الاحتراق باستخدام الشبكات البايزية الديناميكية لتحديد مستويات المخاطر والانتقالات بمرور الوقت. بالإضافة إلى ذلك، ستقوم تحليل التكلفة-العواقب بتقدير التأثير المالي للاحتراق على إنتاجية التمريض، وتحديدًا الغياب وحالة العمل بدوام كامل (FTE) المنخفضة. تهدف الدراسة إلى حجم عينة يتناسب مع الانسحابات المحتملة وعدم التوازن في الفئات، مع وجود استراتيجيات لتعزيز مشاركة المشاركين والاحتفاظ بهم طوال مدة الدراسة.
القيود
تقدم الدراسة المقترحة عدة قيود قد تؤثر على صحة نتائجها. واحدة من القضايا المهمة هي إمكانية التحيز في نمذجة التنبؤ المستقبلية الناتجة عن قيود العينة. لا تأخذ معايير الأهلية في الاعتبار الاحتراق الموجود مسبقًا، مما قد يؤدي إلى عينة أقل تمثيلاً للسكان الأوسع من الممرضين المسجلين (RNs)، حيث أن المشاركين هم متطوعون مختارون بأنفسهم. قد يؤدي ذلك إلى تحريف النتائج نحو الأفراد الذين لديهم مستويات أقل من الاحتراق.
بالإضافة إلى ذلك، فإن اعتماد الدراسة على بيانات مستوى الوحدة يقيّد التحليل ليشمل وحدات التمريض بأكملها، مما يضر باستقلالية العينة. يمكن أن تؤثر التفاعلات بين المشاركين داخل هذه الوحدات على مستويات الاحتراق الفردية، مما يؤدي إلى تشويش النتائج. للتخفيف من هذه المشكلة، تخطط فريق البحث لتضمين تقييمات ربع سنوية لديناميات الوحدة، بما في ذلك استبيان الانتماء واستفسارات حول النزاعات في مكان العمل، لفهم أفضل للعوامل السياقية التي تؤثر على الاحتراق بين المشاركين.
DOI: https://doi.org/10.1186/s12912-024-01711-8
PMID: https://pubmed.ncbi.nlm.nih.gov/38347557
Publication Date: 2024-02-13
Author(s): Angelina R. Wilton et al.
Primary Topic: Healthcare professionals’ stress and burnout
Overview
The BROWNIE Study aims to address the issue of occupational burnout among healthcare workers, particularly registered nurses (RNs), by leveraging data-driven technology for early prediction. Burnout not only impairs the well-being of healthcare professionals but also adversely affects patient outcomes. This study proposes a decentralized approach to develop predictive models of burnout using consumer-grade wearable smartwatches to collect physiological data (heart rate, step count, and sleep patterns) alongside psychological and workplace assessments through online surveys. The study will recruit 360 RNs across three cohorts for training, testing, and validation of the predictive models, with data collection spanning one year.
To enhance participation and compliance, the BROWNIE Study incorporates innovative engagement strategies and is designed to be asynchronous, ensuring that RNs, including those on night shifts, can access study resources without added burden. Additionally, routine administrative data on nursing care outcomes will be collected weekly to estimate the costs associated with burnout. This protocol represents a proactive approach to mitigating the consequences of burnout in healthcare settings, with the potential for significant implications for individual and public health. The study is registered under NCT05481138.
Introduction
The introduction of the research paper outlines the critical issue of burnout, particularly among registered nurses (RNs), as defined by the World Health Organization in the ICD-11. It highlights the job demands-resources (JD-R) model, which posits that excessive workplace demands lead to emotional exhaustion and detachment, ultimately reducing life satisfaction and contributing to burnout. The prevalence of burnout among nurses is alarming, with estimates suggesting that 35-45% experience it due to factors such as increased work demands and moral distress. The consequences of burnout extend beyond individual health, affecting patient care quality and incurring significant costs for healthcare institutions.
The paper emphasizes the need for early identification of burnout to facilitate timely interventions, especially in light of the exacerbating effects of the COVID-19 pandemic on healthcare workers. Current burnout measurement methods primarily rely on survey scales, which may overlook the interplay between psychological, organizational, and physiological factors. The BROWNIE study aims to address this gap by utilizing real-time physiological data from wearable smartwatches, alongside psychological assessments and workplace factors, to predict burnout in RNs. The study will create a comprehensive dataset and develop an analytical framework using probabilistic graphical models and multitask learning to generate interpretable predictions of burnout, ultimately aiming to mitigate its impact on nursing professionals and healthcare systems.
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 materials, sample preparation, and the specific protocols followed to ensure reproducibility. The statistical methods used for data analysis are also described, highlighting the techniques employed to assess the significance of the results.
Additionally, the section may include information on the computational models or simulations utilized to support the experimental findings, along with any relevant equations or algorithms. This comprehensive approach ensures that the methodology is robust and allows for the validation of the study’s conclusions through rigorous testing and analysis.
Discussion
The BROWNIE study is a decentralized, single-arm observational research project aimed at understanding burnout among registered nurses (RNs) in hospital settings. It utilizes a combination of continuous physiological data collected via Garmin smartwatches and psychological assessments through quarterly surveys to explore individual and workplace factors associated with burnout. The study will recruit three cohorts of 120 RNs each, totaling 360 participants, over a 12-month period. Data collection will encompass physiological stress responses, psychological symptoms, dietary habits, workplace exposures, and patient outcomes, aligning with the National Academy of Medicine’s recommendations for regular burnout measurement without adding participant burden.
The study’s design includes a machine-learning component, where data from the first cohort will be used to develop predictive models for burnout, which will then be validated with subsequent cohorts. The analysis will focus on establishing Burnout Dynamics using dynamic Bayesian networks to identify risk levels and transitions over time. Additionally, a cost-consequence analysis will estimate the financial impact of burnout on nursing productivity, specifically absenteeism and reduced full-time equivalent (FTE) status. The study aims for a sample size that accommodates potential dropouts and class imbalances, with strategies in place to enhance participant engagement and retention throughout the study duration.
Limitations
The proposed study presents several limitations that may impact the validity of its findings. One significant concern is the potential for bias in future prediction modeling stemming from sampling limitations. The eligibility criteria do not account for pre-existing burnout, which may result in a sample that is less representative of the broader population of registered nurses (RNs), as participants are self-selected volunteers. This could skew the results towards individuals with lower levels of burnout.
Additionally, the study’s reliance on unit-level data restricts the analysis to entire nursing units, which compromises the independence of the sample. The interactions among participants within these units could influence individual burnout levels, thereby confounding the results. To mitigate this issue, the research team plans to incorporate quarterly assessments of unit dynamics, including a belongingness questionnaire and inquiries about workplace conflicts, to better understand the contextual factors affecting burnout among participants.