Ai Chatbots In Emergency Medicine: Analyzing Agreement with Expert Physician Triage Decisions
Notice bibliographique
Résumé
Introduction In emergency medicine, accurate triage is vital for patient outcomes and resource management. The Canadian Triage and Acuity Scale (CTAS) has been essential in training healthcare providers to make prompt and precise triage decisions.1 With the rise of artificial intelligence (AI), chatbots are being considered for their potential to support or even replace human decision-making in various medical situations. This study aims to assess the agreement between AI chatbot triage decisions and those made by experienced emergency physicians using CTAS. Methods This study involved a comparative analysis between an AI chatbot and two expert emergency physicians, each with over ten years of experience. We used a dataset of 60 emergency case scenarios, which have been utilized for over 8-10 years to train medical personnel at the start of their careers.1 The AI chatbot received training materials on CTAS and triage before being tasked with assigning appropriate triage levels for each scenario. Meanwhile, the expert physicians independently triaged the same cases. Scenarios where the two experts disagreed on the triage level were excluded, leaving 35 case scenarios for the final analysis. To evaluate the agreement between the AI chatbot and the expert physicians, we used the Cohen's Kappa coefficient. This included determining the Cohen's Kappa coefficient value, the p-value, and the 95% confidence interval (CI) to assess the statistical significance and reliability of the agreement. Results The Cohen's Kappa coefficient value between the AI chatbot and the expert physicians was 0.721, indicating a substintial level of agreement. The p-value was
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 | 0,045 | 0,224 |
| 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 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 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 ».