MétaCan
Menu
Retour à la cohorte
Enregistrement W4395465517 · doi:10.1097/j.jcrs.0000000000001463

Reply: Artificial intelligence chatbot and Academy Preferred Practice Pattern® Guidelines on cataract and glaucoma

2024· letter· en· W4395465517 sur OpenAlexaff
Andrew Mihalache, Ryan S. Huang, Marko M. Popovic, Rajeev H. Muni

Notice bibliographique

RevueJournal of Cataract & Refractive Surgery · 2024
Typeletter
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensSt. Michael's HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésChatbotGlaucomaOptometryMedicineComputer scienceOphthalmologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Furthermore, as title of the study by Mihalache et al. notes, there are no practice recommendations in ophthalmology that are expressly designed for AI chatbots, indicating a gap in the literature that needs attention. 1 To guarantee that patients receive safe and adequate care, there is a need for explicit and established rules on the use of AI chatbots in the diagnosis and treatment of illnesses such as glaucoma and cataracts.Moreover, the lack of an abstract in the study hinders readers' ability to rapidly comprehend the main conclusions and research implications.An abstract offers a succinct synopsis of the goals, procedures, findings, and conclusions of the study; its absence can make it more difficult for scientists and medical professionals to judge the study's applicability and validity.Owing to ChatGPT's complete reliance on human user input, human user behavior code must be written.

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)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,418
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,006
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 Opus0,293
Tête enseignante GPT0,467
Écart entre enseignants0,173 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cataract & Refractive SurgeryMême sujetArtificial Intelligence in Healthcare and EducationTravaux en français237 207