في هذه الدراسة ، قمنا ببناء نموذج للتنبؤ بالحمل العملي للممرضات في غرفة العناية المركزة (ICU) بشكل مباشر وفعال من خلال تجربة محاكاة لمهام التمريض في ICU ، مع الاستفادة من المعلومات المتاحة داخل ICU لتوقع عبء العمل لكل ممرضة بعد خمس دقائق. تم إجراء تجربة تتكون من 30 مجموعة تضم 5 أعضاء لكل مجموعة ، حيث خضعت لـ 2 ساعة من المهام التمريضية في ICU ، وتم جمع بيانات فعالة من 25 مجموعة من خلال قياسات NASA-TLX وفريق التمريض (المشاركين في التجربة) والمرضى (المحاكاة). باستخدام 130 ميزة تم جمعها من بيانات الممرضات والمرضى ، تم تطبيق خمس طرق تعلم آلي للتنبؤ بمستويات عبء العمل استنادًا إلى نتائج NASA-TLX بعد خمس دقائق. لم تتجاوز دقة التنبؤ للمستويات الخمسة 40% في أي من النماذج ، ولكن مع السماح بفروق ±1 ، تبين أن نموذج GBDT (تعزيز التدرج) يمكن أن يحقق دقة تصل إلى 80%. من خلال دراسة أهمية الميزات ، اتضح أن أخذ بيانات الممرضات والمرضى الآخرين مفيد بشكل كبير في تحسين توقعات مستويات عبء العمل.
درس MEKATA وآخرون (الاثنين) هذا السؤال.