MétaCan
Menu
Retour à la cohorte
Enregistrement W3194775808 · doi:10.4018/ijhisi.20211001.oa17

Artificial Intelligence for Healthcare in India

2021· article· en· W3194775808 sur OpenAlexaff
Sheshadri Chatterjee, Michael S. Dohan

Notice bibliographique

RevueInternational Journal of Healthcare Information Systems and Informatics · 2021
Typearticle
Langueen
DomaineHealth Professions
ThématiqueArtificial Intelligence in Healthcare
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésHealth careFraming (construction)Government (linguistics)Healthcare policyHealthcare systemHealth sectorHealthcare industryBusinessComputer scienceKnowledge managementHealth policyMedicineEconomic growthEngineeringHealth servicesHealth care reformEconomics

Résumé

récupéré en direct d'OpenAlex

The purpose of the paper is to provide an overview of the issues related to Artificial Intelligence (AI) applications in the Indian healthcare sector and provide input to policy makers. A qualitative approach has been used in this study to identify government initiatives, opportunities and challenges for applications of AI. , and suggests improvements in policy areas relevant to AI in healthcare. The study helps by providing comprehensive inputs for framing policy on AI in healthcare industry in India. The study also highlights that that if the proper actions are taken to overcome the various challenges associated with applications of AI in healthcare sector in India by the government, then the healthcare sector will immensely benefit. This article has taken an attempt to provide inputs concerning to policy initiatives, challenges and recommendations for improving healthcare system of India using different applications of AI.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,601
Score d'incertitude au seuil0,776

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,124
Tête enseignante GPT0,464
Écart entre enseignants0,339 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Healthcare Information Systems and InformaticsMême sujetArtificial Intelligence in HealthcareTravaux en français237 207