Egészség és pszichoszociális erőforrások

A kutatás célja

A kutatás olyan, zárt kórházi környezetben működő mesterségesintelligencia-alapú döntéstámogató rendszer kialakítására irányul, amely a klinikai adatokat pszichológiai, társas és kommunikációs tényezőkkel együtt elemzi.

A kutatás célja olyan mesterségesintelligencia-alapú előrejelző rendszer kialakítása, amely a betegek klinikai adatait pszichológiai, társas és kommunikációs tényezőkkel együttesen elemzi. A rendszer feladata a kedvezőtlen egészségi kimenetelek, a pszichés alkalmazkodási nehézségek és a fokozott támogatási szükséglet korai felismerése, valamint célzott prevenciós stratégiák megalapozása. A bio-pszicho-szociális szemlélet szerint a betegség és az egészség megértéséhez a biológiai, pszichológiai és társadalmi dimenziókat egységes elemzési keretben kell kezelni [5].

A kutatás elméleti kiindulópontja szerint a betegséggel való megküzdést nem kizárólag biológiai tényezők határozzák meg. Jelentős szerepe van annak is, hogy a beteg mennyire érti saját helyzetét, rendelkezik-e mozgósítható erőforrásokkal, képes-e segítséget kérni, milyen társas támogatást érzékel, és mennyire tekinti kezelhetőnek, érthetőnek és jelentéstelinek az élethelyzetét. Ez a megközelítés a salutogenezis modelljéhez kapcsolódik, amely az egészséget támogató egyéni és társadalmi erőforrásokra, valamint a koherenciaérzésre helyezi a hangsúlyt [1, 6, 7].

Elméleti és publikációs kapcsolódás

A kutatási koncepció közvetlenül kapcsolódik Dombrádi Krisztián kommunikáció- és társadalomelméleti munkáihoz. A társadalmi tőkét kommunikációs folyamatokban létrejövő és mozgósítható erőforrásként tárgyaló művei megalapozzák a társas támogatás, a bizalom és a közösségi beágyazottság bevonását a kórházi prognosztikai modellbe [2, 3]. A kommunikáció transzdiszciplináris és rendszerelméleti értelmezése pedig elméleti keretet biztosít a klinikai, pszichológiai, társadalmi és mesterségesintelligencia-modulok összekapcsolásához [4].

A terv empirikus egészségszociológiai alapját erősíti Dombrádi Krisztián és Székely András 2026-os tanulmánya, amely a Hungarostudy 2021 adatain a stressz, a társas támogatás és a koherencia összefüggéseit szociológiaelméleti keretben vizsgálja [1].

Fő kutatási kérdés

Milyen mértékben javítja a kórházi prognózisok pontosságát, ha a hagyományos klinikai és demográfiai adatok mellett a pszichés megküzdés, a társas támogatás, a kommunikációs biztonság és a koherenciaérzés mutatói is bekerülnek az előrejelző modellekbe?

A vizsgált adatok

A kutatás a kórház informatikai rendszerében rendelkezésre álló, megfelelően pszeudonimizált klinikai adatokra épülhet:

• diagnózisok, társbetegségek és korábbi kórházi események;
• laboreredmények, gyógyszerelés és kezelési adatok;
• ápolási idő, szövődmények és ismételt felvételek;
• életkor, nem és indokolt társadalmi-demográfiai változók;
• pszichés megküzdési stratégiák;
• koherenciaérzés;
• észlelt társas támogatás és társadalmi beágyazottság;
• magány, stressz, szorongás és depresszív tünetek;
• a beteg által érzékelt tájékozottság és kommunikációs biztonság;
• a kezeléssel kapcsolatos részvétel és együttműködés.

A pszichoszociális tényezők rövid, validált kérdőívekkel mérhetők, például a koherenciaérzés, a megküzdés és az észlelt társas támogatás standardizált mérőeszközeivel.

A mesterségesintelligencia-rendszer moduljai

A kutató a különböző elemzőegységeket egységes, zárt kórházi környezetben működő rendszerbe programozza össze.

• Adatintegrációs modul: összekapcsolja és egységes formátumba rendezi a klinikai, pszichológiai és társadalmi adatokat.
• Kommunikációelemző modul: megfelelő engedély és adatvédelem mellett elemezheti a pszeudonimizált klinikai feljegyzésekben megjelenő kommunikációs mintázatokat, például a bizonytalanságra, támogatási szükségletre vagy együttműködési nehézségre utaló jelzéseket.
• Predikciós modul: gépi tanulási eljárások segítségével megbecsüli többek között a pszichés dekompenzáció, a hosszabb kórházi tartózkodás, a szövődmények, az ismételt felvétel vagy a fokozott utógondozási szükséglet valószínűségét.
• Magyarázó modul: megmutatja, hogy az adott előrejelzésben mely klinikai és pszichoszociális tényezők játszották a legfontosabb szerepet. A rendszernek nem pusztán kockázati értéket, hanem szakmailag értelmezhető indoklást kell szolgáltatnia.
• Prevenciós modul: a kockázati mintázatokhoz előre meghatározott támogatási lehetőségeket kapcsol, például pszichológiai konzultációt, szociális munkás bevonását, családi támogatás aktiválását, betegedukációt vagy intenzívebb utánkövetést.

Kutatási elrendezés

A fejlesztés első szakasza retrospektív, pszeudonimizált adatokon történhet. Ezt időben elkülönített validáció, majd prospektív, megfigyeléses vizsgálat követné. A modell teljesítményét nemcsak pontossága, hanem kalibráltsága, magyarázhatósága és különböző betegcsoportokban mutatott méltányossága alapján is értékelni kell.

A kutatási szakaszban a rendszer nem hozhat automatikus klinikai döntést. Kizárólag döntéstámogató jelzést adhat, amelyet orvos, pszichológus vagy más kijelölt szakember értékel. A cél nem a betegek címkézése, hanem annak felismerése, hogy kinél és milyen formában lehet szükség további támogatásra.

Adatvédelmi és etikai feltételek

A kórházi munkaviszony önmagában nem jogosítja fel a kutatót a betegadatok kutatási célú felhasználására. A kutatáshoz előzetes intézményi és kutatásetikai engedély, dokumentált adatkezelési jogalap, szerepköralapú hozzáférés, adatminimalizálás és pszeudonimizálás szükséges. A GDPR tudományos kutatás esetén megfelelő technikai és szervezési garanciákat, különösen adatminimalizálást és lehetőség szerint pszeudonimizálást követel meg [8].

A nagy számú egészségügyi adat és a profilalkotás miatt adatvédelmi hatásvizsgálat is indokolt, illetve bizonyos esetekben kötelező lehet [9]. Magyarországon a beavatkozással nem járó orvostudományi kutatások is az ETT TUKEB vagy az illetékes regionális kutatásetikai bizottság engedélyezési körébe tartozhatnak [10].

A teljes adatfeldolgozást a kórház ellenőrzött informatikai környezetében kell végezni. Azonosítható betegadat nem tölthető fel nyilvános vagy fogyasztói mesterségesintelligencia-szolgáltatásba. A modell fejlesztési adatai, az újraazonosításhoz szükséges kulcs és a kutatói elemzőkörnyezet egymástól elkülönítve kezelendők.

A kutatásnak követnie kell a Helsinki Nyilatkozat 2024-es változatát, amely az azonosítható egészségügyi adatokat felhasználó kutatásokra is kiterjed, és előírja a résztvevők jogainak, magánéletének és jóllétének védelmét [11].

Várható eredmény

A kutatás eredményeként olyan integrált döntéstámogató rendszer jöhet létre, amely a beteg állapotát nem kizárólag klinikai kockázatok összességeként kezeli. Figyelembe veszi a kommunikációs, pszichológiai és társadalmi erőforrásokat is, ezáltal lehetőséget teremt a sérülékenység korábbi felismerésére és a személyre szabott, salutogenetikus szemléletű prevencióra.

Bibliográfia és etikai források

Dombrádi Krisztián kapcsolódó művei

• Dombrádi, K. & Székely, A. (2026). A Sociological-Theoretical Description of the Bio-Psycho-Social Background Factors of Health. Belvedere Meridionale, 38(1), 164–181. DOI: 10.14232/belv.2026.1.12 · MTMT rekord
• Dombrádi, K. (2011). Ismerős ismeretlen: Kommunikáció és társadalmi tőke. Budapest: Századvég Kiadó. 167 p. ISBN 978-963-7340-97-0. MTMT rekord
• Dombrádi, K. (2009). A társadalmi tőke kommunikációs aspektusa. In Jancsák, C., Nagy, G. D. & Szűcs, N. (szerk.), Céhem vándorkönyvei: Tanulmányok a 60 éves Pászka Imre tiszteletére (pp. 27–43). Szeged: Belvedere Meridionale. MTMT rekord, teljes szöveg
• Dombrádi, K. (2025). Communication Theory a Transdisciplinary Science. Budapest–Szeged: Belvedere Meridionale. 177 p. ISBN 978-615-6060-95-2. MTMT rekord

Elméleti és módszertani háttér

• Engel, G. L. (1977). The Need for a New Medical Model: A Challenge for Biomedicine. Science, 196(4286), 129–136. doi.org/10.1126/science.847460
• Antonovsky, A. (1996). The Salutogenic Model as a Theory to Guide Health Promotion. Health Promotion International, 11(1), 11–18. doi.org/10.1093/heapro/11.1.11
• World Health Organization (2021). Health Promotion Glossary of Terms 2021. Geneva: WHO.

Adatvédelmi és kutatásetikai források

• Európai Parlament és Tanács (2016). Az (EU) 2016/679 rendelet (GDPR), különösen a 9. és 89. cikk.
• Nemzeti Adatvédelmi és Információszabadság Hatóság. Adatvédelmi hatásvizsgálati lista.
• Egészségügyi Tudományos Tanács. Tudományos és Kutatásetikai Bizottság (ETT TUKEB) – kutatási engedélyezés.
• World Medical Association (2024). Declaration of Helsinki: Ethical Principles for Medical Research Involving Human Participants.