矿工心理社会风险与倦怠综合征关联的机器学习分析

《Frontiers in Public Health》:Machine learning analysis of the association between psychosocial risks and burnout syndrome in mining workers

【字体: 大 中 小 】 时间:2026年07月10日 来源:Frontiers in Public Health 4.1

编辑推荐:

  摘要引言:倦怠综合征(Burnout Syndrome)是职业健康中的一个关键问题,特别是在采矿业等高需求情境中,身体、环境和心理社会风险汇聚并影响工人的福祉和工作绩效。在此背景下,研究目的是分析秘鲁Moquegua地区矿工中心理社会风险因素与倦怠综合征(Bu

  
摘要引言:倦怠综合征(Burnout Syndrome)是职业健康中的一个关键问题,特别是在采矿业等高需求情境中,身体、环境和心理社会风险汇聚并影响工人的福祉和工作绩效。在此背景下,研究目的是分析秘鲁Moquegua地区矿工中心理社会风险因素与倦怠综合征(Burnout Syndrome)之间的关联。方法:进行了一项定量、分析性横断面研究,采用非实验设计。研究人群包括秘鲁Moquegua一个采矿单位的65名工人。由于目标人群完全可及,采用了普查方法,所有符合条件的工人都被纳入研究(N = 65)。使用了经过验证的工具,包括用于心理社会风险(Psychosocial Risks)的SUSESO/ISTAS21问卷和Maslach倦怠量表(Maslach Burnout Inventory, MBI)。数据分析包括描述性和相关统计、多元线性回归和机器学习技术。结果:研究发现心理社会因素(特别是社会支持、领导力和工作-家庭冲突(双重存在,Double Presence))与倦怠之间存在显著关联。所有分析因素均表现出显著的关联能力,其中双重存在(Double Presence)成为最具影响力的预测因子。此外,机器学习分析在所分析的数据集中识别了相关的倦怠相关模式,突显了它们在识别倦怠相关模式方面的有效性。讨论:采矿业中的倦怠是一个多因素现象,受组织和社会心理条件的影响。结果支持使用机器学习作为识别心理社会风险模式的有用工具,这些模式可能支持预防策略,有助于改善高风险工业环境中的职业健康策略。
### 论文解读:矿工心理社会风险与倦怠综合征的机器学习分析

**研究背景与问题**
慢性职业应激引发的倦怠综合征(Burnout Syndrome)是职业健康领域的关键问题,尤其在高需求行业如采矿业中,工人同时暴露于身体、环境和心理社会风险中。尽管已有理论(如Maslach模型、工作要求-资源模型)揭示了倦怠的多维性,但针对矿业等高风险工业环境,尤其是应用机器学习方法进行模式识别的研究仍存在显著空白。现有研究多集中于医疗或教育领域,而对矿业中特定心理社会变量(如工作-家庭冲突、社会支持质量)与倦怠关系的整合分析有限。因此,本研究旨在回答:秘鲁Moquegua地区矿工的心理社会风险因素与倦怠综合征如何关联?机器学习模型能否有效识别相关模式?研究发表在《Frontiers in Public Health》。

**研究设计与关键技术方法**
研究人员采用定量、分析性横断面设计,以秘鲁Moquegua一个采矿单位的全部65名工人为研究对象(普查法,N=65)。关键技术方法包括:①使用SUSESO/ISTAS21短版问卷评估心理社会风险(涵盖心理需求、积极工作与技能发展、社会支持与领导力质量、补偿、双重存在五个维度);②采用Maslach倦怠量表(MBI)测量倦怠(情绪耗竭、人格解体、个人成就感三维度);③数据分析结合描述性统计、Pearson相关分析、多元线性回归以及机器学习技术(随机森林Random Forest、支持向量机SVM、梯度提升Gradient Boosting),并通过5折交叉验证与网格搜索优化超参数。

**研究结果**
**1. 心理社会风险因素与倦怠综合征的Pearson相关分析**
研究发现,心理需求(R2=0.411, p=0.001)、社会支持与领导力质量(R2=0.452, p<0.001)以及双重存在(R2=0.368, p=0.003)与情绪耗竭和总体倦怠呈显著正相关;社会支持与领导力质量(R2=0.464, p<0.001)和双重存在(R2=0.520, p<0.001)与人格解体显著相关;而个人成就感与大多数因素无显著关联。这表明组织支持不足以及工作-家庭冲突是倦怠的核心关联因素。

**2. 心理社会风险因素与倦怠综合征的多元线性回归模型**
所有心理社会风险因素均与总体倦怠显著相关(p<0.05),其中双重存在(标准化系数Beta=0.652, p<0.001)、社会支持与领导力质量(Beta=0.620, p<0.001)及心理需求(Beta=0.546, p<0.001)的效应最强。在情绪耗竭维度上,社会支持与领导力质量(Beta=0.452, p<0.001)、心理需求(Beta=0.411, p=0.001)和双重存在(Beta=0.368, p=0.003)为显著预测因子;在人格解体维度上,双重存在(Beta=0.520, p<0.001)和社会支持与领导力质量(Beta=0.464, p<0.001)贡献最大;而个人成就感维度无任何因素达到显著水平。这证实倦怠主要受组织资源缺失与需求累积影响。

**3. 心理社会风险因素与倦怠的机器学习相对贡献分析**
机器学习模型(以均方误差MSE、决定系数R2等指标评估)显示,双重存在(R2=0.425, MSE=67.129)、社会支持与领导力质量(R2=0.384, MSE=71.879)及总体心理社会风险(R2=0.395, MSE=70.656)对倦怠模式的解释力最强,而补偿(R2=0.072)和积极工作与技能发展(R2=0.129)较弱。这进一步支持上述因素在倦怠识别中的核心地位。

**讨论与结论总结**
讨论指出,矿工倦怠是多因素现象,其产生源于工作要求(如心理需求、双重存在)与组织资源(如社会支持、领导力质量)间的失衡,与工作要求-资源模型(JD-R)一致。机器学习方法有效识别了高关联因素,但样本量小(n=65)、横断面设计及自报告偏倚限制了因果推断与推广性。研究结论翻译如下:
本研究检验了心理社会风险因素与矿工倦怠综合征间的关联。结果表明,心理社会维度(如双重存在、社会支持与领导力质量、心理需求和补偿)与倦怠水平强相关。机器学习模型在分析数据集中展现了识别倦怠模式的能力,但横断面设计不允许视为前瞻性预测。关键发现是:心理社会风险对倦怠有显著影响,其中双重存在、社会支持与领导力质量是最强关联因素,而情绪耗竭和人格解体对此敏感,个人成就感则主要依赖个体内部资源。这些发现支持工作要求-资源理论框架,强调倦怠源于过高要求与不足资源的交互。研究局限包括样本量小与单一采矿单位,建议未来扩大样本、采用纵向设计并整合混合模型以优化预测。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号