Multi-Call Memory in an AI Care Agent for Chronic Care Management Among Older Adults: Retrospective Observational Study (Preprint)
Notice bibliographique
Résumé
Background: Multicall memory capabilities in AI-powered health care communication systems show promise for enhancing patient engagement, but their impact on engagement and patient satisfaction remains unclear. Objective: This study evaluated the relationship between multicall memory usage and key patient experience metrics, including call duration and satisfaction scores, in an AI-powered health care communication system. Methods: We conducted a retrospective analysis of 4415 AI care agent calls from 4189 patients using linear mixed-effects models to account for multiple calls per patient. The primary predictor was the number of memories used per call. Outcomes included call duration (in minutes), net promoter score, and patient satisfaction ratings. We analyzed the full dataset and relevant subsets (completed calls only and memory-using calls only) to assess the robustness of the findings. Results: =.004). Memory usage showed no significant association with patient satisfaction across any analysis. Given that only a small subset of calls used memories and satisfaction data were available only for completed calls, the study may have been underpowered to detect an association between memory use and net promoter score or satisfaction ratings. Conclusions: Multicall memory usage is significantly associated with enhanced behavioral engagement. The findings reveal a disconnect between engagement duration and patient-reported experience, suggesting that memory optimization strategies should focus on behavioral engagement metrics while considering factors beyond usage quantity for patient satisfaction. These results provide evidence-based guidance for health care organizations implementing memory-enabled AI communication systems.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».