机器学习仪表板的以用户为中心的设计,用于预测术后并发症
Bradley A Fritz1, Sangami Pugazenthi1, Thaddeus P Budelier1
1From the Department of Anesthesiology.
Anesthesia and analgesia
|June 20, 2023
概括
为麻醉学中的机器学习预测设计用户界面对于临床行动至关重要. 以用户为中心的方法产生了一个高度可用的显示界面,用于预测术后并发症.
科学领域:
- 麻醉学信息学 麻醉学信息学
- 人与计算机的互动.
- 机器学习应用程序 机器学习应用程序
背景情况:
- 机器学习 (ML) 模型可以帮助麻醉学临床医生在患者评估和决策方面.
- 有效的人与计算机接口 (HCI) 对于将ML预测转化为可操作的临床见解至关重要.
- 这项研究的重点是开发一个以用户为中心的界面,用于ML驱动的术后并发症预测.
研究的目的:
- 应用以用户为中心的设计框架来创建一个界面,用于显示手术后并发症的ML预测.
- 确保接口满足麻醉学临床医生的需求和工作流程.
- 为了促进ML洞察力转化为临床行动.
主要方法:
- 一项涉及25名麻醉学临床医生 (主治医生,住院医生,麻醉师护士) 的三阶段研究.
- 第一个阶段:聚焦组和卡片排序,以定义用户需求和工作流程.
- 第二阶段和第三阶段:使用低保真和高保真原型接口对患者进行模拟评估,分别采用大声思考协议和采访.
- 数据分析包括开放编码和转录的专题分析.
主要成果:
- 临床医生优先确定可预防的风险,并优先使用电子健康记录进行系统的患者评估.
- 理想的界面应该是简单的,使用颜色和图形,并尽量减少阅读时间.
- 早期的原型表明ML预测有助于风险评估,但需要对预测采取行动的额外指导.
- 高保真原型主要在信息呈现和功能方面表现出可用性问题,但仍取得了高的系统可用性评分 (平均82.5).
结论:
- 将用户的需求和偏好集成到ML仪表板设计中,导致界面被临床医生评为高度可用.
- 证明的可用性支持进一步评估系统对临床过程和结果的影响.
- 以用户为中心的设计对于在临床实践中成功实施ML工具至关重要.
