Construction of a Model to Estimate Nurse Workload in Real-Time and Proactively under Fluctuating Conditions

本研究では，icuにおける看護業務の模擬実験を通して，icu内で取得可能な諸情報を活用し各看護師の5分先のワークロードをリアルタイムかつプロアクティブに予測するモデル構築に臨んだ．5名1組のチーム構成による計30組が2時間の模擬的なicu看護業務を行う実験を実施し，25組の有効データから5分おきのnasa-Tlxと看護師（実験参加者）および患者（シミュレータ）に関する諸データを取得した．看護師および患者の諸データを集約処理した130の特徴量から，5分後のnasa-Tlxのwwl得点に基づく5段階のワークロードレベルを予測するため，5種類の機械学習手法を適用し，精度を比較した．5段階での予測精度はいずれのモデルでも40％を上回らなかったが，±1の差異を許容すれば，gbdt（勾配ブースティング）によるモデルで80％近い精度を実現できることが分かった．特徴量重要度の検討から，各看護師のワークロードレベルを予測するために，予測対象の看護師のデータだけでなく，他の看護師や担当以外の患者のデータも取り入れることが，予測に有効であることも明らかになった．