机构名称：
¥ 1.0
背景：对于住院的患者，出院信是医疗信息的关键来源，概述了重要的出院说明和健康管理任务。但是，这些信件通常是用专业的术语写的，这使其难以理解医学知识的患者很难理解。大型语言模型（例如GPT）有可能将这些放电摘要转换为对患者友好的字母，从而提高可访问性和理解。目的：本研究旨在使用GPT-4将排放字母转换为更可读的以患者为中心的字母。我们评估了如何有效，全面地识别和转移患者安全性 - 从放电信到转化的患者信件的信息。方法：基于常见的医疗条件创建了三个出院信，其中包含72个患者安全性 - 范围的信息，称为“学习目标”。提示GPT-4将这些排放字母转换为以患者为中心的字母。分析了由此产生的患者信件的医疗准确性，以患者为中心以及识别和翻译学习目标的能力。Bloom的分类法用于分析和分类学习目标。结果：GPT-4从排放字母中解决了学习目标的大多数（56/72，78％）。但是，大多数以患者为中心的字母中未包括72个（15％）学习目标中的11个。医疗错误是在一小部分句子中发现的（31/787，3.9％）。基于Bloom的分类法的定性分析表明，“理解”类别（9/11）中的学习目标比“记住”类别（2/11）中的学习目标更频繁地省略。大多数缺少的学习目标与“预防并发症”的内容领域有关。相比之下，关于“生活方式”和“组织”方面的学习目标更频繁地解决。以患者为中心，以患者为中心的字母显示出比出院字母更好的可读性。与放电信相比，其中包括更少的医学术语（132/860，15.3％，vs 165/273，60/4％），缩写较少（43/860，5％，vs 49/273，17.9％），以及医学术语的更多解释（121/131，92.4％，VS VS 0/155，0/155，vs。结论：我们的研究表明，GPT-4有可能将出院字母转换为以患者为中心的沟通。虽然转换字母的可读性和以患者为中心是良好的，但它们尚未完全
XSL•fo
主要关键词
相关文件推荐
