Applications of artificial intelligence-guided clinical decision support in disaster medicine: an international Delphi study
Notice bibliographique
Résumé
Background Since the 1950′s, artificial intelligence (AI) technologies have been beyond the reach of most disaster medicine (DM) practitioners. With the introduction of ChatGPT in 2022, there has been a surge of proposed applications for AI in disaster medicine. However, AI development is largely guided by vendors in high-income countries, and little is known of the needs of practitioners. This study provides an international perspective on the clinical problems that DM practitioners would like to see addressed by AI. Materials and methods A three round online Delphi study was performed by 131 international DM experts. In round one, experts were asked: “What specific clinical questions or problems in Disaster Medicine would you like to see addressed by artificial intelligence guided clinical decision support?” Statements from the first round were analyzed and collated for subsequent rounds where participants rated statements on a 7-point linear scale for importance. Results In round one, 77 participants gave 539 proposed statements which were collated into 47 statements for subsequent rounds. In round two, 89 participants gave 3,008 ratings with no statements reaching consensus. In round three, 63 participants gave 2,942 ratings: five statements reached consensus: distribution of disaster patients within the hospital, estimating the size of the affected population, hazard vulnerability analysis, acquisition and distribution of resources, and transportation routing. Experts tended to disagree with the use of AI for ethics, mental health, cultural sensitivity, or difficult treatment decisions. Conclusions In this online Delphi study DM practitioners expressed a preference for AI tools that would help with the logistical support of their clinical responsibilities. Participants appeared to have much less support for the use of AI in making difficult or critical decisions. Development of AI for clinical decision support should focus on the needs of the users and be guided by an international perspective.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».