机构名称：
¥ 1.0
医疗保健中人工智能（AI）和机器学习（ML）的整合已成为主要的兴趣点，并提出了其对急诊科（ED）分类过程的影响的问题。AI模仿人类认知过程以及计算进步的能力在医疗保健的各个方面都表现出了积极的结果，但是对于ED中AI中使用AI的使用知之甚少。AI算法可能允许较早的诊断和干预；但是，过度自信的答案可能会对患者造成危险。这篇综述的目的是探索有关AI和ML在ED分类中的影响并确定研究差距的全面发表的文献。使用电子数据库，OVID MEDLINE和Web of Science进行了系统化的搜索。要符合纳入标准，必须根据美国期刊2013 - 2023年发表的主要数据研究进行同行评审，用英语编写的文章。其他标准包括1）对需要入院的患者进行研究，2）必须在患者进行分解时使用AI； 3）必须代表患者的结局。搜索是使用来自医学主题标题（网格）的受控描述进行的，其中包括“人工智能”，“机器学习”，“急诊病房”，“急诊室”，“急诊室”，“急诊室”，“急诊室”，“患者分类室”，“ Triage”或“ Triage”或“ Triage”或“ Triaging”。搜索最初确定了1,142次引用。经过严格的，系统的筛选过程和对证据的批判性评估，选择了29项研究进行最终审查。The findings indicated that 1) ML models consistently demonstrated superior discrimination abilities compared to conventional triage systems, 2) the integration of AI into the triage process yielded significant enhancements in predictive accuracy, disease identification, and risk assessment, 3) ML accurately determined the necessity of hospitalization for patients requiring urgent attention, and 4) ML improved resource allocation and quality of patient care, including predicting length of stay.在ED中优先考虑的ML模型的建议优势具有重新定义分类精度的潜力。
范围评论
主要关键词
相关文件推荐
