机构名称：
¥ 1.0
背景：大型语言模型 (LLM) 的快速发展，例如 Transformers 的双向编码器表示 (BERT；Google) 和 GPT (OpenAI)，为自然语言处理带来了重大进步。这些模型越来越多地被集成到各种应用中，包括心理健康支持。然而，LLM 在提供可靠且可解释的心理健康信息和支持方面的可信度仍未得到充分探索。目标：本范围界定审查系统地描绘了影响 LLM 在心理健康支持方面可信度的因素，包括可靠性、可解释性和道德考虑。该审查有望为从业者、研究人员和政策制定者提供重要见解，指导未来的研究和政策制定。这些发现将有助于负责任地将 LLM 整合到心理健康护理中，重点是维护道德标准和用户信任。方法：本审查遵循 PRISMA-ScR（系统评价和荟萃分析扩展范围界定审查的首选报告项目）指南和 Joanna Briggs 研究所 (JBI) 方法。资格标准包括在心理健康支持中应用基于转换器的生成语言模型的研究，例如 BERT 和 GPT。来源包括 PsycINFO、MEDLINE via PubMed、Web of Science、IEEE Xplore 和 ACM 数字图书馆。将从 2019 年开始对研究进行系统搜索，并更新至 2024 年 10 月。数据将进行定性综合。人口、概念和背景框架将指导纳入标准。两位独立审阅者将筛选和提取数据，通过讨论解决差异。数据将被综合并以描述性方式呈现。结果：截至 2024 年 9 月，这项研究目前正在进行中，系统搜索已完成，筛选阶段正在进行中。我们预计将在 2024 年 11 月初完成数据提取，并在 2024 年 11 月下旬完成综合。结论：本次范围界定审查将绘制 LLM 在心理健康支持方面的可信度的当前证据。它将确定影响这些模型的可靠性、可解释性和道德考虑的因素，为从业者、研究人员、政策制定者和用户提供见解。这些发现将填补文献中的关键空白，并为未来的研究、实践和政策制定提供信息，确保 LLM 负责任地融入心理健康服务。国际注册报告标识符 (IRRID)：DERR1-10.2196/62865
范围审查协议
主要关键词
相关文件推荐
