Alan Taitz

Healthcare workers (HCWs) face elevated risk for burnout and stress-related disorders, yet conventional self-report assessments are limited by professional stigma and underreporting. We evaluated whether multimodal computational analysis of brief, remotely collected stress narratives could distinguish longitudinal stress profiles. In a prospective six-week cohort study, N = 750 HCWs were invited to provide weekly naturalistic narratives describing recent stressful experiences and repeated measures of anxiety, depression, burnout, and subjective distress. Among 553 participants with sufficient repeated self-report data, multivariate longitudinal clustering identified two distinct profiles: Resilient ( n = 295) and Vulnerable ( n = 258). Linguistic, acoustic, and facial expression embeddings were extracted from the recordings and integrated using a hierarchical multimodal transformer. In a held-out test set, the model achieved an AUROC of 0.75, outperforming unimodal (linguistic embeddings; AUROC = 0.63) and bimodal (linguistic + acoustic; AUROC = 0.70) configurations. These findings provide proof of concept that multimodal embeddings extracted from brief stress narratives are associated with occupational stress profiles, potentially complementing traditional assessment methods and informing targeted prevention strategies.

کارکنان مراقبت‌های سلامت (HCWs) در معرض خطر بالاتر فرسودگی شغلی و اختلالات مرتبط با استرس قرار دارند، اما ارزیابی‌های خودگزارشی متداول به دلیل انگ حرفه‌ای و گزارش‌دهی ناکافی محدودیت دارند. ما ارزیابی کردیم که آیا تحلیل محاسباتی چندوجهی روایت‌های کوتاه و جمع‌آوری‌شده از راه دور درباره استرس می‌تواند پروفایل‌های طولی استرس را متمایز کند یا خیر. در یک مطالعه کوهورت آینده‌نگر شش‌هفته‌ای، تعداد N = 750 نفر از کارکنان مراقبت‌های سلامت دعوت شدند تا به صورت هفتگی روایت‌های طبیعی درباره تجربیات استرس‌زای اخیر خود و همچنین سنجش‌های تکرارشونده اضطراب، افسردگی، فرسودگی شغلی و پریشانی ذهنی را ارائه دهند. در میان 553 شرکت‌کننده با داده‌های خودگزارشی تکرارشونده کافی، خوشه‌بندی طولی چندمتغیره دو پروفایل متمایز را شناسایی کرد: مقاوم (n = 295) و آسیب‌پذیر (n = 258). تعبیه‌های زبانی، آکوستیکی و حالات چهره از ضبط‌ها استخراج و با استفاده از یک ترنسفورمر چندوجهی سلسله‌مراتبی ادغام شدند. در مجموعه آزمون جداگانه، مدل به AUROC برابر با 0.75 دست یافت که عملکرد بهتری نسبت به پیکربندی‌های تک‌وجهی (تعبیه‌های زبانی؛ AUROC = 0.63) و دووجهی (زبانی + آکوستیکی؛ AUROC = 0.70) داشت. این یافته‌ها اثبات مفهومی ارائه می‌کنند مبنی بر اینکه تعبیه‌های چندوجهی استخراج‌شده از روایت‌های کوتاه استرس با پروفایل‌های استرس شغلی مرتبط هستند و می‌توانند به عنوان مکمل روش‌های ارزیابی سنتی و اطلاع‌رسانی راهبردهای پیشگیرانه هدفمند مورد استفاده قرار گیرند.