机构名称：
¥ 1.0
在过去的几年中，数字化在线症状检查器和面向患者的数字化分诊工具变得越来越普遍。这些工具允许患者输入他们的症状并回答问题，并获得可能的诊断或关于哪种级别的护理更合适的建议[1]。数字分诊解决方案通常侧重于初级保健情况[2]，因为这些情况通常不太紧急，可以分诊为不同紧急程度以优化排队和资源分配，而且与急诊医学分诊系统相比，通常不需要体检。人工智能（AI）或机器学习通常被描述为显著改善各种分诊系统的潜在方法[3-5]。然而，评估分诊解决方案很复杂。很难用一个主要结果[6]来捕捉分诊系统的许多重要方面（例如病情覆盖率、诊断准确性、患者安全性和随之而来的资源利用率）。这种复杂性可以解释为什么对数字分诊解决方案的前身——传统的初级保健电话分诊系统的全面验证相对较少[7,8]。此外，分诊系统通常使用患者病例样本进行验证，患者病例样本是对具有预定正确诊断和/或护理级别的临床病例的简短描述。病例样本是一种实用的方法，但在评估像分诊这样复杂的事物时可能会有局限性。最近的研究试图比较不同数字分诊系统的准确性[9，10]。总体而言，评论得出的结论是，尽管使用率增加，但关于分诊系统准确性的研究和数据仍然有限[11]。此外，关于研究这类快速发展的系统的具体方法学挑战的已发表研究有限。由于数字分诊系统已经在医疗保健领域实施[12]，因此更好地了解它们的工作原理很有价值。准确性是分诊系统实用的必要但不是充分条件。考虑到使用标准化病例样本评估复杂干预措施之间可能存在不匹配，了解使用病例样本理解分诊准确性的潜在局限性可能会很有用。更好地了解研究数字化人工智能分诊系统准确性的具体挑战可能有助于设计未来的研究。因此，本系统评价旨在总结当前关于在初级保健环境中研究数字化患者操作人工智能分诊系统准确性的障碍的知识。
数字化分类系统：系统评价
主要关键词
相关文件推荐
