应用机器学习调整电子健康处理物质使用问题的伦理方面和用户偏好:一项混合方法研究

科学领域:

• 数字健康数字健康
• 数据科学数据科学数据科学
• 行为健康 行为健康

背景情况:

• 数字健康干预越来越多地用于物质使用障碍.
• 数据科学,包括机器学习 (ML),可以提高干预效率,但也引发了伦理问题.
• 用户在药物使用和博障碍的数字干预中对ML的观点未得到充分探索.

研究的目的:

• 在数字干预中探索有关监督机器学习 (ML) 的伦理方面和用户偏好.
• 了解用户对 ML 应用的接受和担忧,以量身定制在线物质使用和博障碍治疗.

主要方法:

• 混合方法方法结合了定性焦点组 (n=10) 和定量在线问卷 (n=157).
• 参与者从基于证据的在线干预 (Jellinek数字自助) 中招募.
• 以生物医学伦理原则为指导的数据分析.

主要成果:

• 用户发现ML应用在道德上是可以接受的,预计对干预和福祉有好处.
• 维护用户自主性成为接受ML驱动调整的关键因素.
• 对干预提供者诚信的信任度很高;对数据安全和控制的初始定性担忧没有得到定量证实.

结论:

• 数字干预用户对ML的伦理担忧有限,优先考虑自主性和隐私.
• 监督的ML可以在数字干预中道德地应用,前提是保持用户的自主性和隐私.
• 用户的信任和感知到的好处超过了在物质使用障碍的数字健康中实施ML时潜在的伦理风险.