机器学习在医疗保健工作者职业风险沟通中的使用:范围审查协议
Gabriela Laudares Albuquerque de Oliveira1, Clarice Alves Bonow2, Itiberê de Oliveira Castellano Rodrigues3
1PROGRAMA DE PÓS-GRADUAÇÃO EM ENFERMAGEM, Universidade Federal de Pelotas, Pelotas, Brazil gabialbuquerque83@gmail.com.
本范围审查协议探讨了机器学习 (ML) 在医疗保健工作人员的职业风险沟通中的应用. 它绘制了现有证据,以确定ML集成在这个关键领域的最佳实践.
科学领域:
- 计算机科学 计算机科学
- 职业健康 职业健康 职业健康
- 医疗保健管理的管理
背景情况:
- 机器学习 (ML) 越来越多地被用于各种技术领域.
- 越来越需要了解ML在医疗保健专业人员的职业风险管理中的作用.
- 本协议解决了有关医疗保健环境中风险沟通的ML最佳实践的知识差距.
研究的目的:
- 为医疗保健工作者进行职业风险沟通中的机器学习科学文献的范围审查.
- 绘制和综合现有的证据,在这个特定的背景下,ML的应用和最佳实践.
- 为了回答指导性问题:在医疗保健工作人员的风险沟通中,ML是如何使用的?
主要方法:
- 将在多个学术数据库 (如PubMed,Scopus,Web of Science,IEEE Xplore) 中采用全面的搜索策略.
- 审查协议遵循系统审查的首选报告项目和范围审查的元分析扩展 (PRISMA-ScR) 和乔安娜·布里格斯研究所的指导方针.
- 将使用叙事综合来分析和介绍所选研究的发现.
主要成果:
- 本节将介绍从文献搜索中得出的综合发现.
- 将确定ML在医疗保健工作者风险沟通中的应用的主要主题和趋势.
- 审查将突出既有和新兴的最佳实践.
结论:
- 这些发现将为在医疗保健部门的职业风险沟通中最佳使用ML提供信息.
- 传播将通过在公开访问,同行评审的国际期刊上发表.
- 伦理认可不需要,因为该研究仅依赖于公开可用的公布数据.
更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
06:22Machine Learning-Based Cough Tone Classification: Diagnostic Exploration of Chronic Obstructive Pulmonary Disease and Respiratory Tract Infections
Published on: September 19, 2025
相关概念视频
Healthcare Associated Infections II: Preventive Measures
The best practices for preventing healthcare-associated infections include hand hygiene, patient risk...
Types of Biopharmaceutical Studies: Controlled and Non-Controlled Approaches
Non-controlled studies, commonly employed for initial exploration, lack a control group, rendering them susceptible to biases and external influences. In contrast,...
