Intelligenza artificiale contro il burnout infermieristico: uno studio valuta un intervento personalizzato per gli infermieri

Il burnout infermieristico non è più soltanto una questione individuale, né può essere letto come semplice “stanchezza da lavoro”. È un fenomeno complesso, legato all’esposizione prolungata a stress occupazionale, carichi assistenziali elevati, turni, pressione emotiva, relazioni difficili con pazienti e caregiver, e condizioni organizzative spesso non adeguate alla complessità della cura. In questo scenario, l’intelligenza artificiale inizia a essere studiata non solo come strumento per supportare diagnosi, predizione del rischio o gestione dei dati sanitari, ma anche come possibile tecnologia a supporto del benessere psicologico degli operatori sanitari. Uno studio randomizzato controllato pubblicato nel 2025 su Worldviews on Evidence-Based Nursing ha valutato l’efficacia di un intervento personalizzato assistito da intelligenza artificiale per ridurre il burnout negli infermieri. I risultati indicano una riduzione significativa del burnout personale e di quello correlato alla relazione con il paziente nel gruppo che ha ricevuto il programma personalizzato tramite algoritmo AI, mentre non sono emerse differenze significative sul burnout legato al lavoro rispetto ai gruppi di controllo.

Burnout infermieristico

Gli autori partono da un dato ormai consolidato nella letteratura: gli infermieri operano frequentemente in contesti ad alto stress, caratterizzati da elevata intensità assistenziale, richieste emotive costanti e carichi di lavoro rilevanti. Secondo quanto riportato nello studio, la prevalenza globale del burnout infermieristico è stimata intorno al 30% e risulta aumentata nel corso dell’ultimo decennio.

Il burnout viene descritto come una sindrome correlata allo stress cronico non adeguatamente gestito in ambito lavorativo. Nella popolazione infermieristica può essere analizzato attraverso tre dimensioni principali:

• burnout personale, legato all’esaurimento fisico e psicologico
• burnout correlato al lavoro, associato al carico assistenziale, all’organizzazione e all’ambiente lavorativo
• burnout correlato al paziente, connesso alle richieste assistenziali e relazionali provenienti da pazienti e caregiver

Questa distinzione è rilevante perché non tutte le componenti del burnout rispondono allo stesso modo agli interventi individuali. Una tecnica di gestione dello stress può incidere sulla percezione personale della fatica o sulla capacità di regolare emozioni e pensieri, ma difficilmente può modificare da sola staffing, carichi di lavoro, turnistica o politiche organizzative.

I programmi utilizzati

I quattro programmi non erano generici contenuti informativi, ma interventi strutturati, brevi e ripetuti nel tempo.

La mindfulness meditation prevedeva esercizi di body scan, respirazione, meditazione seduta, rilassamento e self-compassion.

L’acceptance and commitment therapy, approccio di matrice cognitivo-comportamentale, era orientata all’accettazione di emozioni e pensieri, alla defusione cognitiva, al contatto con il momento presente, alla riflessione sui valori personali e all’azione impegnata.

Il programma di storytelling e scrittura riflessiva proponeva storie di infermieri e invitava i partecipanti a scrivere e rielaborare le proprie esperienze lavorative.

La laughter therapy utilizzava movimenti, danza, canto e attività volte a indurre il riso, con l’obiettivo di agire sulla risposta emotiva e sullo stress.

Nel gruppo sperimentale, il programma più frequentemente assegnato dall’algoritmo è stato la laughter therapy, seguita da acceptance and commitment therapy, mindfulness meditation e storytelling con scrittura riflessiva. Nel gruppo di controllo 1, in cui la scelta era autonoma, anche la laughter therapy è stata il programma più frequentemente selezionato.

Cosa è stato misurato

L’outcome primario era il burnout, valutato con il Copenhagen Burnout Inventory, uno strumento che misura tre dimensioni: burnout personale, burnout correlato al lavoro e burnout correlato al paziente. Lo strumento comprende 19 item su scala Likert e nello studio ha mostrato un’elevata affidabilità interna, con Cronbach’s alpha pari a 0,94.

Gli outcome secondari includevano:

• stress lavorativo
• risposta allo stress
• strategie di coping

Le misurazioni del burnout sono state effettuate al baseline, dopo due settimane e dopo quattro settimane. Gli outcome secondari sono stati valutati al baseline e alla quarta settimana.

Nessun effetto significativo sul burnout legato al lavoro

Diverso il risultato per il burnout correlato al lavoro. In questa dimensione, lo studio non ha rilevato differenze statisticamente significative tra i gruppi, pur osservando un effetto del tempo.

È un punto importante, soprattutto in chiave infermieristica e organizzativa. Il burnout legato al lavoro è più strettamente connesso a carichi assistenziali, staffing, turni, ambiente lavorativo e politiche aziendali. Per questo motivo, un intervento individuale, anche personalizzato e supportato da AI, può non essere sufficiente a modificarlo in modo significativo.

Gli stessi autori sottolineano che il burnout work-related può rappresentare un indicatore di problemi organizzativi e che servono strategie più ampie a livello di struttura sanitaria, non soltanto programmi individuali di gestione dello stress.

I limiti dello studio

Gli autori segnalano diversi limiti. Il primo riguarda la durata: l’efficacia del programma è stata valutata solo su quattro settimane, quindi non è possibile stabilire se gli effetti osservati si mantengano nel lungo periodo.

Un secondo limite riguarda la frequenza delle misurazioni, effettuate a intervalli brevi, con possibile rischio di bias. Inoltre, lo studio è stato condotto interamente online: pur essendo monitorato l’uso del programma, non era possibile verificare direttamente il reale coinvolgimento dei partecipanti.

Gli outcome erano autoriferiti, quindi soggetti alla percezione individuale. Infine, pur essendo stato calcolato statisticamente, il campione era relativamente piccolo, con 40 partecipanti per gruppo, elemento che può limitare la generalizzabilità dei risultati.

Un ulteriore aspetto da considerare riguarda il contesto: l’algoritmo era stato ottimizzato su dati di 300 infermieri coreani, prevalentemente donne e intorno ai 30 anni. Questo potrebbe ridurre l’applicabilità dei risultati a popolazioni infermieristiche differenti, per età, genere, contesto professionale o sistema sanitario.