基于人工智能的预先护理计划方法:一个范围审查

科学领域:

• 医疗信息学 医疗信息学
• 医疗保健中的人工智能
• 息护理研究 息护理研究

背景情况:

• 提前护理计划 (ACP) 对于明智的医疗保健决策至关重要,但面临着实施障碍,如时间限制和不清楚的专业角色.
• 人工智能 (AI) 提供了通过识别患者和协助决策来优化ACP的潜在解决方案.
• 目前,人工智能在ACP患者的息护理中的应用尚不清楚.

研究的目的:

• 探索人工智能模型在预先护理计划 (ACP) 中的利用.
• 确定影响人工智能模型性能,数据透明度,代码可用性和ACP普遍性的关键因素.
• 了解当前在ACP的息治疗中人工智能应用的现状.

主要方法:

• 根据Arksey和O'Malley框架和PRISMA-ScR指南进行了全面的范围审查.
• 在过去10年的英语,德语和法语出版物中,Scopus,Web of Science和七个预印服务器进行了搜索.
• 搜索术语结合了ACP和AI模型的概念,使用GRADE方法评估研究质量.

主要成果:

• 包括41项研究,主要使用回顾性电子健康记录数据.
• 大多数研究的重点是确定患者的ACP (n=39),较少的研究涉及讨论启动 (n=10) 或文档 (n=8).
• 物流回归是最常用的AI方法 (n=15);模型通常表现良好 (n=28),但缺乏透明度和可重现性 (n=17,n=36).

结论:

• 人工智能模型在预测结果和支持非洲和非洲的决策方面显示出有希望的结果.
• 关于数据和代码可用性的重大挑战仍然存在,影响透明度和可重复性.
• 未来的研究应该优先考虑开源代码和透明度,以便进行严格的评估,并探索新型的ACP进程人工智能方法.