医院人工智能/机器学习通过邻里剥夺的采用
Jie Chen1,2,3, Alice Shijia Yan1,2,3
1Department of Health Policy and Management, School of Public Health, University of Maryland, College Park, MD.
Medical care
|February 13, 2025
概括
贫困地区的医院对人工智能/机器学习 (AI/ML) 的采用率较低. 这种使用不足,特别是在劳动力和电子健康记录中,可能会扩大健康差距,突出需要战略AI整合支持.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健服务研究 医疗服务研究
- 医疗保健中的人工智能
背景情况:
- 人工智能/机器学习 (AI/ML) 可能通过改善护理协调来减少健康差异.
- 关于AI/ML对健康公平的影响的经验证据仍然有限.
研究的目的:
- 根据医院的特点,分析AI/ML采用的差异.
- 调查AI/ML利用模式,特别是关于社区贫困的问题.
主要方法:
- 利用美国医院协会 (AHA) 2022年年度调查和2023年信息技术补充的链接数据集.
- 与2022年区域贫困指数 (ADI) 整合数据,以评估社区的社会经济状况.
- 采用状态固定效应回归和分解模型来分析AI/ML实施预测因素.
主要成果:
- 高贫困地区 (ADI Q4) 的医院不太可能采用ML/预测模型 (系数 = -0.10,P = 0.01) 并提供更少的AI/ML劳动力应用 (系数 = -0.40,P = 0.01).
- 该模型解释了高贫困地区和低贫困地区之间的AI/ML采用差异的79%.
- 负责护理组织的成员关系解释了12%-25%的AI/ML利用差异.
结论:
- 弱势和农村地区的人工智能/机器人技术的不足利用,特别是劳动力管理和电子健康记录,可能会阻止这些社区从人工智能支持的医疗保健中受益.
- 基于价值的支付模式为战略性支持医疗保健环境中人工智能集成提供了机会.
