通过人工智能驱动的搜索分析方法解码莫斯微图外科手术

科学领域:

• 皮肤病学 皮肤病学
• 医疗信息学 医疗信息学
• 卫生沟通健康沟通

背景情况:

• 患者越来越多地在网上寻找健康信息,特别是对于像莫斯微图外科手术这样的手术.
• 谷歌的"人们也问"功能提供了对常见患者查询的见解.
• 了解这些患者的担忧对于有效的沟通和治疗坚持至关重要.

研究的目的:

• 通过搜索分析和机器学习,分析有关莫斯手术的患者问题.
• 确定接受莫斯手术的患者的主要关注点和信息需求.
• 评估可用于莫斯手术的在线信息质量.

主要方法:

• 利用谷歌的"人们也会问"数据进行莫斯手术查询.
• 应用Rothwell的分类系统和JAMA的基准标准进行评估.
• 使用机器学习进行定性数据分析和分类绩效评估.

主要成果:

• 最常见的患者问题涉及技术细节 (19.8%),后续护理 (12.5%) 和指示 (11.6%).
• 政府网站在JAMA基准标准上得分最高.
• 机器学习算法与人类审稿人达成高度一致 (卡帕值高达0.86).

结论:

• 莫斯手术患者优先了解手术细节和术后护理.
• 解决患者对技术方面的担忧可以改善治疗遵守性,减少并发症.
• 大型语言模型可以有效地帮助人类审稿人进行医疗保健主题的定性研究.