The double-edged algorithm: A rapid review exploring the trustworthy and responsible use of generative AI in public health
Notice bibliographique
Résumé
Objective: Generative artificial intelligence (genAI) technologies have rapidly evolved, offering potential to strengthen core public health functions such as health communication, surveillance, and emergency preparedness. While genAI may enhance public health outcomes by enabling tailored messaging, helping to combat misinformation, and supporting data-driven decision-making, its integration raises significant concerns about equity, privacy, and trust. Methods: This rapid review explores guiding principles for the trustworthy and responsible use of genAI in public health contexts. Following established rapid review protocols, peer-reviewed and grey literature published since 2014 were identified and analyzed thematically. Results: Ten articles met the inclusion criteria, focusing on genAI applications across various public health settings. Ten themes were generated that describe guiding principles for the trustworthy and responsible use of genAI in public health. The themes emphasize the importance of human oversight, transparency, equity, accountability, and culturally relevant communication. While genAI can be used to support health behavior change, enhance health communication across literacy levels, and promote community engagement, risks such as algorithmic bias, data misuse, and the amplification of health disinformation must be mitigated. Conclusion: Organizational policies must reflect ethical considerations and address current regulatory gaps to help mitigate these risks. Workforce training, interdisciplinary collaboration, and policy development are vital to support responsible and trustworthy implementation. This review provides preliminary insights that can help public health organizations begin to consider guidling principles for policies for guiding genAI adoption and use, emphasizing the importance of human-centered and ethically grounded approaches. Findings also identify future research needs, including the evaluation of genAI tools in diverse public health contexts, assessment of real-world impacts, and exploration of governance frameworks. This review offers an initial foundation for public health organizations to consider potential applications of genAI and develop policies that support its responsible and trustworthy use.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».