海上保安庁の早期退役の分析
研究が海上保安庁のメンバーの早期退職に影響を与える要因を明らかにした。
― 1 分で読む
行動健康状態は、海上保安庁の隊員が仕事を続けたり、現役を維持したりするかに大きな影響を与えることがある。隊員が任務を終える前に辞める可能性が高い要因を知ることで、海上保安庁は彼らを維持するためのより良い政策やプログラムを作れる。
この分析では、現役の海上保安庁隊員のさまざまな人口統計要因と行動健康診断を調査して、早期退役につながる要因を探った。この分野は軍ではあまり研究されていないんだ。
研究の概要
この研究では、生存分析というイベントが発生するまでの時間を調べる手法を使った。この場合のイベントは、隊員が早期に退役することだった。研究者たちは、大量のデータの中からパターンを見つけ出すアルゴリズムを使って、トレンドを特定した。
データは主に2つのソースから得られた:一つは隊員が利用した健康サービスに関する情報を提供し、もう一つは人事記録を持っていた。これらのデータセットを組み合わせて、2016年1月1日から2019年12月31日までの精神健康専門家への訪問に関する情報が含まれていた。行動健康の訪問をしたメンバーのみが含まれ、他の種類の医療専門家を受診した人は除外された。
データ収集
最終的なデータセットには、以下のような要因が含まれていた:
- 階級グループ(上級度)
- 最も一般的な行動健康診断
- 人種と性別
- セラピー訪問の回数
- 現役での勤務期間
これらの変数を分析して、早期退役を予測できるかを調べた。主な結果として測定されたのは、隊員が任務を完了する前に退役したかどうかだった。
欠損データの処理
いくつかのデータポイントが欠けていた場合、研究者たちは階級や他の関連するカテゴリに基づいて平均値を使ってそのギャップを埋めた。
研究における機械学習
データを分析するために、研究者たちはデータをトレーニンググループとテストグループに分けた。SMOTEという技術を使って、両方のグループに早期退役した隊員と任務を完了した隊員が同じ数含まれるようにした。
いくつかの機械学習アルゴリズムが適用され、決定木、ランダムフォレスト、勾配ブースティングなどが使われた。チームはこれらのアルゴリズムを実行するためのソフトウェアを使用し、精度、再現率、F1スコアに基づいてパフォーマンスを測定した。特に精度は、モデルが早期退役をどれだけ正確に予測できたかを示す重要な指標だった。
主な発見
分析の結果、行動健康ケアを求めたメンバーのうち、約1000人中26人がサービスを完了しなかったことが分かった。女性は男性よりも多くの行動健康サービスを利用していたが、早期退役の割合は両性で似ていた。人種と性別は退役状況に大きな違いを示さなかった。
早期に退役した人たちの中で最も一般的な診断は、気分障害、不安障害、適応障害だった。分析は、白人またはアジア系/太平洋諸島系であり、上級の下士官であることが早期退役のリスク要因であることを示した。
特に、ロジスティック回帰モデルは男性の性別とアルコール関連障害を早期終了の重要な予測因子として特定したが、これは以前に特定された主要な診断グループとは異なっていた。
発見の意味
この結果は、早期退役に寄与する要因を認識することの重要性を強調している。なぜ一部の隊員が軍を離れるのかを理解することで、海上保安庁はより良いサポートや介入プログラムを設計できる。
行動健康ケアを求める全ての隊員がサービスを離れるわけではないが、研究では小さくて重要な数の早期退役が見つかった。これは、特に男性や特定の障害を持つ人々に対して、ターゲットを絞った努力を通じて維持率を改善する機会があることを示唆している。
さらに、結果は、上級下士官が彼らのパフォーマンスや健康に影響を与える独自の課題に直面する可能性があることを示している。研究は、海上保安庁が政策やプログラムでこれらの要因を考慮するべきだと提案している。
制限と強み
研究にはいくつかの制限がある。主なデータベース外で行動健康ケアを受けたメンバーは含まれておらず、これが結果に影響を与えるかもしれない。また、早期退役したメンバーの数は比較的小さく、分析に影響を与える可能性がある。
良い点としては、研究には4年間のフォローアップ期間があり、複数の機械学習モデルを使用して堅牢な結果を提供した。これらの発見は、サービスメンバーの維持を改善するための将来の研究の基礎として役立つ。
将来の研究機会
今後の研究では、なぜメンバーが行動健康サービスを求めるのか、そしてそれらのサービスが海上保安庁に留まる決断にどのように関連しているかをさらに調べることができる。地理的なトレンド、行動健康状態の長期的な影響、特定の職業分野がどのように影響を受けるかを探る可能性もある。
この分析からの発見は、海上保安庁や他の軍の部門が行動健康ケアとサービスメンバーの維持との関係をよりよく理解する手助けになる。この理解は、サービスメンバーをキャリアを通じてサポートするための改善された戦略や介入につながる。
これらの問題についてもっと学ぶことで、軍はメンバーを維持するためだけでなく、彼らの全体的な健康と幸福を促進するための措置を講じることができる。
タイトル: Service Retention Among Coast Guard Members Seeking Behavioral Healthcare
概要: IntroductionBehavioral health conditions (BHC) can reduce service member retention. This analysis sought to identify demographic and diagnostic factors among BHC care-seeking Active-Duty United States Coast Guard (ADCG) that were predictive of discharge before completion of obligated service. MethodsA four-year retrospective cohort study of ADCG personnel was conducted. Five machine-learning (ML) algorithms and logistic regression were applied to data on ADCG who sought outpatient care for BHC in 2016. Covariates examined as possible mediators of early service termination included diagnosis group, gender, rank grouping, and race. ResultsOnly 26.4 of every 1,000 members who sought BHC care did not complete their service obligation. Diagnosis group did not predict early service termination, whereas senior enlisted rank was associated with early termination. The ML algorithms best predictive of early discharge from service were bagging classifier and decision tree classifier. Logistic regression performed as well as the two leading algorithms. ConclusionsSpecific ML models can be used to identify personnel groups at risk for early separation, such as senior enlisted personnel. Traditional epidemiologic methods demonstrate value in predicting service member separation.
著者: John Iskander, J. Allen, M. Vance, J. Mahlau-Heinert, J. Ahluwalia, D. Thomas, S. Singh
最終更新: 2023-07-23 00:00:00
言語: English
ソースURL: https://www.medrxiv.org/content/10.1101/2023.07.19.23292893
ソースPDF: https://www.medrxiv.org/content/10.1101/2023.07.19.23292893.full.pdf
ライセンス: https://creativecommons.org/publicdomain/zero/1.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた medrxiv に感謝します。