MétaCan
Menu
Retour à la cohorte
Enregistrement W4408976398 · doi:10.1093/jhps/hnaf011.084

OP1.5 Evaluating ChatGPT’s Performance in Answering Patients’ Questions Relating to Femoroacetabular Impingement Syndrome and Arthroscopic Hip Surgery

2025· article· en· W4408976398 sur OpenAlexaff
David Slawaska‐Eng, Yoan Bourgeault‐Gagnon, Dan Cohen, Thierry Pauyo, Étienne L. Belzile, Olufemi R. Ayeni

Notice bibliographique

RevueJournal of Hip Preservation Surgery · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueHip disorders and treatments
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésFemoroacetabular impingementMedicineHip arthroscopyArthroscopySurgeryPhysical therapy

Résumé

récupéré en direct d'OpenAlex

Abstract Background: This study evaluates the efficacy of large language models (LLMs) like ChatGPT in providing accurate and reliable patient information on Femoroacetabular Impingement (FAI) syndrome and its arthroscopic management. The advent of AI and LLMs has revolutionized the accessibility of medical information, necessitating an examination of their reliability and accuracy. With the known preponderant reliance on online resources for medical information, this research aims to assess the precision of ChatGPT responses to common patient inquiries about FAI and its surgical treatment. Hence, this project’s primary goal was to ascertain the overall accuracy and reliability of ChatGPT-generated information, with a secondary aim of comparing the performance between ChatGPT versions 3.5 and 4.0. Methods: Utilizing a set of twelve frequently asked questions about FAI, collected from scientific literature and reputable healthcare websites, the study evaluated and compared responses from ChatGPT versions 3.5 and 4.0. These responses were evaluated in a blinded fashion by three experienced hip arthroscopy surgeons using a previously published ChatGPT Response Rating System, ranging from “excellent response not requiring clarification” to “unsatisfactory requiring substantial clarification.” A descriptive quantitative and qualitative analysis was conducted. A Wilcoxon signed-rank test was used to compare the paired groups (GPT 3.5 versus GPT 4.0) and Gwet’s AC2 coefficient was used to assess the weighted level of agreement, corrected for chance, employing quadratic weights. Results: The findings indicated that both ChatGPT versions predominantly produced responses that were either “excellent” or “satisfactory requiring minimal clarification”, representing 75% and 92% of the responses for ChatGPT 3.5 and 4.0 respectively. The median accuracy scores were 2 (range 1-3) and 1.5 (range 1-3) for ChatGPT 3.5 and ChatGPT 4.0, respectively. No response was judged “unsafe or requiring substantial clarification” by the experts. However, no significant statistical difference was found between the two versions (p=0.279), although ChatGPT-4 showed a tendency towards higher accuracy in some areas. Conclusion: ChatGPT demonstrates a promising capacity to provide accurate and helpful information on FAI syndrome and its treatment, with both versions performing to satisfaction. This research underscores the importance of ongoing evaluation and refinement of AI tools in healthcare, ensuring their reliability and effectiveness in patient education and support.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,591

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,048
Tête enseignante GPT0,322
Écart entre enseignants0,274 · 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.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Hip Preservation SurgeryMême sujetHip disorders and treatmentsTravaux en français237 207