Weltweite Perspektiven von Krankenhauspatienten zum Einsatz von künstlicher Intelligenz im Gesundheitswesen: Ergebnisse der COMFORT-Studie aus 74 Krankenhäusern in 43 Ländern
Notice bibliographique
Résumé
Zielsetzung Allzu oft wird die Einführung von neuen Technologien im Gesundheitswesen nur aus der Sicht des Klinikers betrachtet und die Perspektive des Patienten vernachlässigt. Angesichts der exponentiellen Zunahme von künstlicher Intelligenz (KI) im Gesundheitswesen war es das Ziel dieser internationalen, multizentrischen Querschnittsstudie, die Perspektiven von Krankenhauspatienten zu KI im Gesundheitswesen weltweit zu erfassen. Material und Methoden Die COMFORT-Studie, an der 74 Netzwerkkrankenhäuser in 43 Ländern zwischen Februar und November 2023 teilnahmen, entwickelte und implementierte ein quantitatives Messinstrument für Patienten, das in 26 Sprachen verfügbar war und 26 Items zu KI im Gesundheitswesen umfasste. Ergebnisse Es wurden 13806 Patienten aus Europa (41,7%), Asien (25,2%), Nordamerika (16,5%), Südamerika (9,7%), Afrika (5,3%) und Ozeanien (1,6%) in die Studie eingeschlossen. 57,6% der Befragten hatten eine positive Auffassung über den generellen Einsatz von KI im Gesundheitswesen. In Abhängigkeit von demografischen Merkmalen, dem Gesundheitszustand und der technologischen Kompetenz der Patienten wurden signifikante Unterschiede in der Einstellung gegenüber KI festgestellt. Beispielsweise standen Teilnehmer mit einem schlechterem Gesundheitszustand dem Einsatz von KI in der Medizin weniger positiv gegenüber. Umgekehrt waren ein höheres KI-Wissen und die häufige Nutzung technologischer Geräte mit positiveren Einstellungen verbunden. Weniger als die Hälfte der Patienten zeigte positive Haltungen gegenüber den Items zu Vertrauen in KI, wobei das geringste Vertrauen in die Genauigkeit der KI bei der Bereitstellung von Informationen über das Therapieansprechen bestand. Die Patienten zeigten eine starke Präferenz für erklärbare KI und eine von Ärzten geleitete Entscheidungsfindung, auch wenn dies einen leichten Kompromiss bei der Genauigkeit bedeutete. Schlussfolgerungen Diese multinationale Studie bietet einen umfassenden Überblick über die Patientenperspektiven zu KI im Gesundheitswesen mit Daten aus 6 Kontinenten. Publication History Article published online: 25 March 2025 © 2025. Thieme. All rights reserved. Georg Thieme Verlag KG Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».