Investigating Data Diversity and Model Robustness of AI Applications in Palliative Care and Hospice: Protocol for Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Artificial intelligence (AI) has become a pivotal element in health care, leading to significant advancements across various medical domains, including palliative care and hospice services. These services focus on improving the quality of life for patients with life-limiting illnesses, and AI's ability to process complex datasets can enhance decision-making and personalize care in these sensitive settings. However, incorporating AI into palliative and hospice care requires careful examination to ensure it reflects the multifaceted nature of these settings. OBJECTIVE: This scoping review aims to systematically map the landscape of AI in palliative care and hospice settings, focusing on the data diversity and model robustness. The goal is to understand AI's role, its clinical integration, and the transparency of its development, ultimately providing a foundation for developing AI applications that adhere to established ethical guidelines and principles. METHODS: Our scoping review involves six stages: (1) identifying the research question; (2) identifying relevant studies; (3) study selection; (4) charting the data; (5) collating, summarizing, and reporting the results; and (6) consulting with stakeholders. Searches were conducted across databases including MEDLINE through PubMed, Embase.com, IEEE Xplore, ClinicalTrials.gov, and Web of Science Core Collection, covering studies from the inception of each database up to November 1, 2023. We used a comprehensive set of search terms to capture relevant studies, and non-English records were excluded if their abstracts were not in English. Data extraction will follow a systematic approach, and stakeholder consultations will refine the findings. RESULTS: The electronic database searches conducted in November 2023 resulted in 4614 studies. After removing duplicates, 330 studies were selected for full-text review to determine their eligibility based on predefined criteria. The extracted data will be organized into a table to aid in crafting a narrative summary. The review is expected to be completed by May 2025. CONCLUSIONS: This scoping review will advance the understanding of AI in palliative care and hospice, focusing on data diversity and model robustness. It will identify gaps and guide future research, contributing to the development of ethically responsible and effective AI applications in these settings. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): DERR1-10.2196/56353.
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 | 0,141 | 0,210 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,006 |
| Méta-épidémiologie (sens large) | 0,015 | 0,019 |
| Bibliométrie | 0,021 | 0,020 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,011 | 0,009 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,010 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,042 | 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 ».