Assessment of patient handouts on burns created by burn surgeons compared to ChatGPT-4o
Notice bibliographique
Résumé
Physicians often face time constraints that may impact the delivery of patient education. Large language models have illustrated promising results in patient education across various specialties. The present study’s aim was to investigate the quality and readability of ChatGPT- generated handouts on burns and compare these results to a published handout. We asked ChatGPT-4o to generate and regenerate patient handouts for seven topics regarding burns. These handouts, along with a patient handout with similar topics published by Hamilton Health Sciences, were assessed. The Quality of Generated Language Outputs for Patients (QGLOP) scale was used to assess handouts based on accuracy/comprehensiveness, bias, currency, and tone, where each domain was scored out of 4 for a total of 16. The Simple Measure of Gobbledygook (SMOG) score was calculated to assess handout readability. The threshold for statistical significance was set at p < 0.05. The mean QGLOP scores for the ChatGPT-4o generated handouts and the published handout did not significantly differ. The mean QGLOP scores between ChatGPT-4o and the published handout were not significantly different for accuracy, bias, currency, and tone. ChatGPT-4o had lower scores on the topic of skin care, but higher scores on coping with burns. The two groups did not significantly differ for any other topic. We found that ChatGPT could produce patient education handouts on burns with scores comparable to those of a patient handout published by a burn unit, suggesting that plastic surgeons would have a similar level of satisfaction for both groups.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».