定性医疗保健研究中主题总结的大型语言模型:模型和人类表现的比较分析
Arturo Castellanos1, Haoqiang Jiang2, Paulo Gomes3
1Mason School of Business, William & Mary, Williamsburg, VA, United States.
大型语言模型 (LLM) 可以自动化定性研究解释,显示80%的协议与在线护士论坛数据的人类分析. 法律法学提供了更深入的见解,补充了可扩展研究的人类专题分析.
科学领域:
- 计算语言学 计算语言学
- 质量健康研究 质量健康研究
- 医疗信息学 医疗信息学
背景情况:
- 在医疗保健中分析专家文本在线数据的重要性日益增加.
- 大型语言模型 (LLM) 为计算语言学和定性研究提供了潜力.
- 扩展大型数据集的主题分析需要强大的解释方法.
研究的目的:
- 研究LLM在分析专家文本数据方面的能力.
- 探索LLM用于扩展主题建模的解释阶段.
- 将LLM衍生的解释与人类对定性数据的解释进行比较.
主要方法:
- 从在线护士论坛收集和预处理的数据.
- 应用潜伏迪里克莱特分配 (LDA) 用于主题建模.
- 将人类的分类和解释与LLM生成的分析进行比较.
主要成果:
- 在LLM和人类对主题的解释之间存在实质性的一致性 (80%).
- LLM提供详细的子主题解释,与人类主题保持一致并扩展.
- 劳动力质量管理 (LLM) 发现了人类评估所缺少的连贯性和互补性.
结论:
- 在定性研究中,LLM可以自动化解释.
- 在评估LLM产生的主题方面仍然存在挑战.
- 在提高定性数据分析的可扩展性和深度方面,LLM是有前途的.
更多相关视频
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
07:50A Metadata Extraction Approach for Clinical Case Reports to Enable Advanced Understanding of Biomedical Concepts
Published on: September 20, 2018
相关概念视频
Dimensions of Health and Illness
Documentation in Long-Term and Home Healthcare Setting
Long-Term Care Facilities
Qualitative Analysis
There are two main approaches to qualitative analysis:...
Techniques of Therapeutic Communication II: Focusing, Paraphrasing, and Summarizing
This therapeutic technique can also be used when a patient brings up pertinent information during a health-related conversation. The...
Models of Health Promotion and Illness Prevention II
The agent-host-environment model states that disease results...
Health Literacy
