MétaCan
Menu
Retour à la cohorte
Enregistrement W4408419570 · doi:10.1002/hpm.3927

Artificial Intelligence in Healthcare: Balancing Technological Innovation With Health and Care Workforce Priorities

2025· article· en· W4408419570 sur OpenAlexafffund
Abi Sriharan, Ellen Kuhlmann, Tiago Correia, Farhang Tahzib, Katarzyna Czabanowska, Marius‐Ionuț Ungureanu, Bernadette Kumar

Notice bibliographique

RevueThe International Journal of Health Planning and Management · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensInstitute for Work & HealthYork UniversityUniversity of Toronto
Organismes subventionnairesConnaught FundUniversity of Toronto
Mots-clésEnablingWorkforceTransformative learningHealth carePerspective (graphical)Corporate governanceKnowledge managementPosition (finance)BusinessPublic relationsEngineering ethicsNursingPolitical sciencePsychologyMedicineEngineeringComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Artificial Intelligence (AI) has emerged as a transformative force in healthcare, offering significant potential to address workforce challenges and improve patient outcomes. This perspective article presents a framework for responsible AI innovation, emphasising ethical governance, responsible leadership and a commitment to human-centred AI. It provides guidance for healthcare organisations to position AI as a strategic enabler, augmenting the health and care workforce and fostering sustainable, patient-centred advancements in healthcare.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,043
score de la tête « metaresearch » (Gemma)0,028
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,227

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0430,028
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0050,018
Communication savante0,0190,016
Science ouverte0,0020,012
Intégrité de la recherche0,0090,010
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,121
Tête enseignante GPT0,440
Écart entre enseignants0,319 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations12
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Health Planning and ManagementMême sujetArtificial Intelligence in Healthcare and EducationTravaux en français237 207