带道综合征信息质量:社交媒体平台与大型语言模型对比
Javier Suárez Aguilar1, Manuel Viñuela Florido1, Julio Mayol2
1From the Department of Plastic and Reconstructive Surgery, Hospital Universitario de Getafe, Madrid, Spain.
Annals of plastic surgery
|January 28, 2025
概括
大型语言模型 (LLM) 提供了比社交媒体平台 (SMP) 更优质的关于手腕道综合征 (CTS) 的信息. 医疗专业人员应该增加他们在LLMs和SMP的参与,以改善患者教育.
科学领域:
- 医疗信息学 医疗信息学
- 数字健康数字健康
- 患者教育 患者教育
背景情况:
- 带道综合征 (CTS) 是一种普遍存在的外周神经被困的疾病.
- 人们对社交媒体平台 (SMP) 上的健康信息准确性存在担忧.
- 新兴的大型语言模型 (LLM) 为信息传播提供了新的途径.
研究的目的:
- 为了比较手腕道综合征 (CTS) 信息的质量和准确性.
- 评估来自社交媒体平台 (SMP) 和大型语言模型 (LLM) 的信息.
主要方法:
- 使用JAMA和DISCERN尺度分析了来自YouTube和Instagram的80个视频.
- 通过询问特定的CTS问题,评估来自ChatGPT和Google Bard的信息.
- 通过专家审查评估视频指标 (持续时间,点赞,浏览量,作者类别) 和信息质量.
主要成果:
- 法学士 (ChatGPT,谷歌巴德) 的信息质量明显高 (DISCERN分数为52.83-57.83),远高于SMP.
- 社交媒体视频 (YouTube,Instagram) 的可靠性低 (JAMA 1.92) 和质量非常低 (DISCERN 25.18).
- 医疗专业人士在SMP上的内容得分更高,但非医疗作者创建了53.8%的视频.
结论:
- LLM提供了良好的CTS信息质量,优于SMP.
- 董事会认证的外科医生在SMP的参与率很低.
- 建议增加董事会认证的外科医生在LLM和SMP的参与,以加强外围神经外科手术的领导力和知识传播.


