Feasibility of an artificial intelligence phone call for postoperative care following cataract surgery in a diverse population: two phase prospective study protocol
Notice bibliographique
Résumé
INTRODUCTION: Artificial intelligence (AI) development has led to improvements in many areas of medicine. Canada has workforce pressures in delivering cataract care. A potential solution is using AI technology that can automate care delivery, increase effectiveness and decrease burdens placed on patients and the healthcare system. This study assesses the use of 'Dora', an example of an AI assistant that is able to deliver a regulated autonomous, voice-based, natural-language consultation with patients over the telephone. Dora is used in routine practice in the UK, but this study seeks to assess the safety, usability, acceptability and cost-effectiveness of using the technology in Canada. METHODS AND ANALYSIS: This is a two-phase prospective single-centred trial. An expected 250 patients will be recruited for each phase of the study. For Phase I of the study, Dora will phone patients at postoperative week 1 and for Phase II of the study, Dora will phone patients within 24hours of their cataract surgery and again at postoperative week 1. We will evaluate the agreement between Dora and a supervising clinician regarding the need for further review based on the patients' symptoms. A random sample of patients will undergo the System Usability Scale followed by an extended semi-structured interview. The primary outcome of agreement between Dora and the supervisor will be assessed using the kappa statistic. Qualitative data from the interviews will further gauge patient opinions about Dora's usability, appropriateness and level of satisfaction. ETHICS AND DISSEMINATION: Research Ethics Board William Osler Health System (ID: 22-0044) has approved this study and will be conducted by guidelines of Declaration of Helsinki. Master-linking sheet will contain the patient chart identification (ID), full name, date of birth and study ID. Results will be shared through peer-reviewed journals and presentations at conferences.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,058 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,006 | 0,004 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,007 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,008 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».