Evaluation of ChatGPT-4o as a Patient Information Tool for Common Orthopaedic Surgeries: Accuracy, Completeness, and Clinical Utility
Notice bibliographique
Résumé
INTRODUCTION: Artificial intelligence chatbots, such as ChatGPT-4o ("omni"), a large language model developed by OpenAI that integrates text, image, and audio processing with web connectivity, have gained traction as potential patient education tools in orthopaedic surgery. This study aimed to evaluate the accuracy, completeness, and clinical utility of ChatGPT-4o's responses to common patient questions about six widely performed orthopaedic procedures. METHODS: We assessed ChatGPT-4o's responses to five standardized patient-oriented queries for total knee arthroplasty, total hip arthroplasty, anterior cruciate ligament reconstruction, rotator cuff repair, anterior cervical diskectomy and fusion, and carpal tunnel release. Responses were generated using ChatGPT-4o's web-enabled version in January 2025. Two resident orthopaedic surgeons independently rated each response for accuracy, completeness, layperson clarity, misleading content, and conciseness using a structured binary rubric. The validated DISCERN instrument (16 items, max score 80) was adapted for quantitative assessment of information quality. Interrater reliability was assessed with Cohen kappa. RESULTS: Overall, ChatGPT-4o generated accurate and structured responses, free of overt errors. The average DISCERN score across procedures was 43.5, classifying the information as fair. The highest average DISCERN score was for anterior cervical diskectomy and fusion (mean 45.8 ± 10.1), whereas the lowest was for rotator cuff repair (mean 41.6 ± 5.9). Factual accuracy was high (>90%), but 36% of responses contained some misleading or incomplete information. Responses explaining treatment alternatives were the most accurate and complete, whereas those outlining surgical risks performed worst. Interrater agreement was good (Cohen kappa = 0.64). DISCUSSION: ChatGPT-4o provided generally accurate, clear, and empathetic explanations of common orthopaedic surgeries, offering a promising adjunct to conventional patient education. However, key limitations particularly regarding alternative treatments, nuanced risks, and lack of tailored advice limit its stand-alone use in clinical practice. Careful oversight and clinician vetting remain essential. CONCLUSIONS: ChatGPT-4o can supplement orthopaedic patient education by offering accessible, engaging content. However, notablenotable gaps in detail and occasional misleading information necessitate careful review and contextual explanation by orthopaedic surgeons.
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 | 0,040 | 0,162 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».