التنبؤ المبكر بخطر إصابات الضغط لدى المرضى المنومين باستخدام نماذج تعلم آلي خاضعة للإشراف تعتمد على سجلات التمريض

لماذا لا تزال قروح الفراش مهمة في المستشفيات الحديثة

إصابات الضغط—التي تُعرَف غالبًا بقروح الفراش—قد تبدو مشكلة قديمة الطراز، لكنها تظل مُعقّدة ومكلفة في سياق الرعاية المستشفوية. يمكن أن تتطور بسرعة لدى الأشخاص المرضى جدًا أو غير القادرين على الحركة بسهولة، مسببة ألمًا وعدوى وإطالة مدة الإقامة بالمستشفى. تبحث هذه الدراسة فيما إذا كانت المعلومات التي يجمعها الممرضون بالفعل خلال الساعات الأولى بعد القبول يمكن دمجها مع تقنيات حاسوبية حديثة لرصد المرضى الأكثر عرضة لتطوير هذه الإصابات، بحيث يتدخل الطاقم قبل حدوث الضرر.

مخاطر خفية ناجمة عن البقاء بلا حركة

تتشكل إصابة الضغط عندما تُضغط الجلد والأنسجة العميقة بين السرير أو الكرسي والعظام لفترة طويلة جدًا. أكثر من واحد من بين كل عشرة بالغين منقَولين إلى المستشفى يصابون بهذه الجروح، خصوصًا المرضى في وحدات العناية المركزة أو الطوارئ الذين لا يستطيعون الحركة بحرية. إلى جانب الألم وخطر العدوى، تفرض هذه الإصابات عبئًا ماليًا كبيرًا—يمتد إلى عشرات المليارات من الدولارات سنويًا في الولايات المتحدة وحدها. تساعد قوائم الفحص التقليدية، مثل مقياس برادن الشائع الاستخدام، الممرضين على تقدير الخطر، لكن قد تغفل عن أشخاص لا يبدو أنّهم في خطر واضح، مثل أولئك المصابين بسلس البول أو السمنة أو مشاكل طبية معقدة.

استخدام ملاحظات التمريض الروتينية كإشارات إنذار مبكرة

تساءل الباحثون عما إذا كان بالإمكان توقع إصابات الضغط باستخدام المعلومات الأساسية التي يجمعها الممرضون روتينيًا خلال أول ثماني ساعات من إقامة المريض بالمستشفى فقط. في مستشفى عام كبير في سانتياغو، تشيلي، جمعوا بيانات من 446 مريضًا عبر عدة أجنحة، من الطوارئ والجراحة إلى العناية المركزة. سجّل الممرضون تفاصيل بسيطة مثل العمر والطول والوزن والجناح الذي نُقل إليه المريض، ومدى اعتماده على الآخرين في العناية، وما إذا كان يعاني من سلس البول، وما إذا كانت تُستخدم مراتب خاصة أو تغييرات وضعية أو قيود بدنية. تم الفصل بعناية بين أي جروح كانت موجودة عند الوصول وتلك التي ظهرت لاحقًا، فركزت الدراسة فقط على الإصابات التي تطورت داخل المستشفى.

تعليم الحواسيب لتمييز المرضى ذوي الخطر العالي

من هذه السجلات بنى الفريق عدة نماذج تعلم آلي «خاضعة للإشراف»—برامج حاسوبية تتعلم الأنماط من الأمثلة. اختبروا خمس طرق مختلفة، بما في ذلك أشجار القرار، الانحدار اللوجستي، آلات المتجه الداعم، التعزيز التدرجي الأقصى، وطريقة شائعة تسمى الغابة العشوائية (Random Forest) التي تجمع العديد من أشجار القرار البسيطة لتكوين متنبئ أقوى. قبل تدريب النماذج، نظّفوا ونظّموا ملاحظات التمريض الخام، وعالجوا القيم المفقودة باستخدام طرق إحصائية معتمدة، وانتقوا 13 من الميزات الأكثر إفادة. ثم قُسّمت البيانات مرارًا إلى مجموعات تدريب واختبار لتقييم مدى قدرة كل نموذج على التمييز بين المرضى الذين تطورت لديهم إصابة الضغط والذين لم تحدث لديهم.

من هم الأكثر عرضة للخطر، حسب البيانات

حوالي 19% من المرضى في الدراسة أصيبوا بإصابة ضغط مكتسبة داخل المستشفى. أظهرت التحليلات أن بعض ملاحظات التمريض المبكرة كانت ذات وزن خاص. ارتبطت درجات الخطر الأعلى، ووزن الجسم وطوله الأكبر، والاعتماد الكبير على رعاية التمريض، والقبول في بعض الأجنحة مثل أجنحة الباطنة-الجراحة ووحدات العناية المركزة، بزيادة في الإصابات. كما أسهم وجود السلس—وخاصة سلس البراز أو السلس المختلط—والقيود البدنية، والاستخدام السابق لمراتب مضادة للضغط، في رفع مستوى الخطر. من بين نماذج الحاسوب المختبرة، أدت طريقة الغابة العشوائية أفضل أداء: فقد فصلت بشكل صحيح بين المرضى ذوي المخاطر العالية والمنخفضة في أكثر من أربعة من كل خمسة حالات وحققت دقة عالية جدًا، مما يعني أنه عندما صنفت مريضًا على أنه عالي المخاطر، كان ذلك في العادة صحيحًا.

من درجات الحاسوب إلى رعاية أفضل بجانب السرير

لجعل النظام عمليًا في الأجنحة المزدحمة، عدّله الباحثون ليعطي أولوية للدقة على رصد كل حالة ممكنة. هذا يقلل عدد الإنذارات الكاذبة، بحيث يمكن للممرضين تركيز الموارد الوقائية—مثل تغيير الوضعية بشكل متكرر، وفحوصات دقيقة للجلد، والمراتب الخاصة—على المرضى الذين من المرجح أن يستفيدوا أكثر. وبينما يعني هذا أن بعض المرضى المعرضين للخطر قد لا يُكتشفون، يجادل المؤلفون بأن التنبيهات الموثوقة لديها فرصة أكبر لأن تُثق وتُستخدم في الممارسة اليومية. ويشدّدون على أن النموذج مُصمَّم لدعم، لا لاستبدال، الحكم السريري.

ماذا يعني هذا للمرضى والمستشفيات

بعبارات بسيطة، تُظهر الدراسة أن المستشفيات قد تستغل المعلومات التي تجمعها بالفعل في الساعات الأولى بعد القبول لتشغيل «نظام إنذار مبكر» رقمي لقروح الفراش. بوجود 13 ملاحظة تمريضية أساسية ونموذج حاسوبي مُدرَّب جيدًا، يمكن للطاقم تحديد مجموعة صغيرة من المرضى المعرضين بشدة لتطوير إصابات الضغط والتدخل قبل وقوع ضرر خطير. وعلى الرغم من أن الأداة ما تزال بحاجة إلى اختبار في مستشفيات وأنظمة رعاية صحية أخرى، فإنها تقدم طريقة واعدة لتحويل ملاحظات السرير الروتينية إلى حماية أذكى وفي الوقت المناسب لبعض أكثر المرضى عرضة للخطر.

الاستشهاد: Barriga-Gallegos, F., Ríos-Vásquez, G., Tapia, G.M. et al. Early prediction of pressure injury risk in hospitalized patients using supervised machine learning models based on nursing records. Sci Rep 16, 6502 (2026). https://doi.org/10.1038/s41598-026-35709-w

الكلمات المفتاحية: إصابات الضغط, الوقاية من قروح الفراش, سجلات التمريض, التعلم الآلي في المستشفيات, تنبؤ خطر المريض