XiaoMi-AI文件搜索系统
World File Search SystemMJ
引用：Dennis A、Robin C、Jones LF 等人。探索英格兰西北部养老院员工的疫苗犹豫：一项定性研究。BMJ Open
摘要 目标 养老院经历了大量的 COVID-19 疫情，因此养老院员工接种 COVID-19 疫苗非常重要。然而，这一群体对疫苗犹豫不决。我们旨在了解接种 COVID-19 疫苗的障碍和促进因素，以及对潜在强制接种政策的看法。 设计 半结构化访谈。 设置 英格兰西北部的养老院员工。访谈于 2021 年 4 月进行。 参与者 西北部的 10 名养老院员工（年龄 25-61 岁），他们被邀请接种但并未接种 COVID-19 疫苗。 结果 我们使用框架分析对访谈进行了分析。我们的分析确定了八个主题：感知到的 COVID-19 风险、疫苗的有效性、对疫苗的担忧、对当局的不信任、接种疫苗的促进因素、对强制接种疫苗的看法、COVID-19 大流行期间护理工作的负面经历以及沟通挑战。结论 将 COVID-19 疫苗接种作为部署条件可能不会提高人们接种 COVID-19 疫苗的意愿，本研究中的大多数养老院员工更愿意辞职而不是接种疫苗。由于认为其他人的负面评价以及养老院员工缺乏支持，许多护理人员在疫情期间已经有了负面经历，因此要求将疫苗接种作为部署条件的政策并没有受到积极的欢迎。
引用：Jang A, Song CE。物联网平台技术在本科护理学生教育中的应用：范围审查协议。BMJ Open
摘要 引言 未来的护理教育需要构建一个基于尖端技术的教育环境，以提供各种面向消费者的教育。因此，需要考虑护理教育中的信息共享，特别是考虑到物联网 (IoT) 技术的进步。在开发横向平台之前，了解以前开发的物联网平台对于在不同服务领域建立相互兼容的服务和设备是必要的。本范围界定审查旨在探索用于本科护理课程护理学生教育的物联网平台技术。 方法与分析 完成初步搜索以找到初始搜索词，并在此基础上制定了全搜索策略。对 PubMed (NCBI) 的搜索结果进行筛选，以确保文章经过同行评审、于 1999 年 1 月至 2021 年 8 月以英文发表，并且与在教育机构为本科护理课程的学生开发、应用和评估物联网平台相关。将对相关文章进行全文审查，并使用开发的提取工具提取数据。提取的定性数据将使用改进的扎根理论方法进行分析，从而为物联网平台和相关术语提供实际定义。 伦理与传播 本研究已获得韩国南部大学机构审查委员会的伦理审查豁免。 研究结果将通过同行评审期刊进行传播。
引用：van de Sande D、Van Genderen ME、Smit JM 等人。开发、实施和管理医学领域的人工智能：预防人工智能寒冬的分步方法。BMJ Health Care Inform 2022；29：e100495。doi:10.1136/bmjhci-2021-100495
摘要 目的 尽管人工智能 (AI) 在医学中的作用得到越来越多的研究，但大多数患者并没有受益，因为大多数 AI 模型仍处于测试和原型环境中。临床 AI 模型的开发和实施轨迹复杂，缺乏结构化的概述。因此，我们提出了一个循序渐进的概述，以增强临床医生的理解并提高医学 AI 研究的质量。 方法 我们总结了开发和安全实施医学 AI 所需的关键要素（例如当前指南、挑战、监管文件和良好实践）。 结论 本概述对其他框架进行了补充，使利益相关者无需事先具备 AI 知识即可访问，因此提供了一种循序渐进的方法，其中包含实施所必需的所有关键要素和当前指南，从而有助于将 AI 从字节转移到床边。
引用：Sujan M、Pool R、Salmon P。医疗人工智能的八项人为因素和人体工程学原则。BMJ Health Care Inform 2022；29：e100516。doi:10.1136/bmjhci-2021-100516
引言 为了通过最大限度地减少身体接触来保护患者和医护人员，COVID-19 疫情极大地加速了许多医疗系统的数字化转型。1 医疗数字化转型的一个关键部分是开发和采用人工智能 (AI) 技术，这被视为国家卫生政策的优先事项。2 3 自 2015 年以来，使用机器学习的医疗器械获得监管部门批准的数量呈指数级增长，4 英国标准目前正在与国际标准一起制定。此外，还有更多的医疗 AI 技术不需要此类批准，因为它们不属于医疗器械的狭义定义。医疗 AI 的范围似乎无穷无尽，在成像和诊断、5 院前分诊、6 护理管理 7 和心理健康等一系列领域都报告了有希望的结果。8 但是，在解释此类研究中的说法时需要谨慎。例如，由于独立的前瞻性评估很少，深度学习算法有效性的证据基础仍然薄弱，且存在很高的偏见风险。9 这尤其成问题，因为这些技术的性能、可用性和安全性只有在现实环境中才能得到可靠的评估，在现实环境中，医疗工作者团队和人工智能技术通过合作和协作提供有意义的服务。10 然而，到目前为止，医疗保健人工智能的人为因素和人体工程学 (HFE) 研究很少。11 需要考虑整个社会技术系统的性能的人工智能设计和前瞻性评估研究，并且证据要求与风险水平成比例。12
引用：Bates DW、Syrowatka A、Rhee K 等人。呼吁更好的系统和数据来支持人工智能应对疫情。BMJ Health Care Inform 2022；29：e100506。doi:10.1136/bmjhci-2021-100506
COVID-19 疫情给世界带来了重大影响，各国都在努力控制病毒的传播及其造成的诸多后果，但成效参差不齐。为了控制一种行为和影响未知的新型传染源，必须能够近乎实时地访问和分析大量数据。一些国家做得比其他国家好，一个国家或地区的应对方式会显著影响疫情对人类的影响（请参阅在线补充附录，了解疫情的五条曲线）。例如，疫情早期的中心中国和意大利部署了基于人工智能 (AI) 的软件，利用肺部图像快速识别 COVID-19 患者，1 2 冰岛很早就对病例进行了测序，以了解传播情况。3
引用：Reddy S、Rogers W、Makinen V-P 等人。指导将 AI 系统实施到医疗保健环境中的评估框架。BMJ Health Care Inform 2021；28：e100444。 doi:10.1136/ bmjhci-2021-100444
摘要 目标 迄今为止，医疗保健领域已经开发了许多人工智能 (AI) 系统，但采用程度有限。这可能是由于评估不适当或不完整以及缺乏国际公认的 AI 评估标准。为了对 AI 系统在医疗保健领域的通用性有信心并使其能够融入工作流程，需要一种实用而全面的工具来评估现有 AI 系统的转化方面。目前，医疗保健领域可用的 AI 评估框架侧重于报告和监管方面，但对于评估 AI 系统的转化方面（如功能、实用性和道德组成部分）几乎没有指导。 方法 为了解决这一差距并创建一个评估现实世界系统的框架，一个国际团队开发了一个以转化为重点的评估框架，称为“医疗保健 AI 的转化评估 (TEHAI)”。对文献的批判性回顾评估了现有的评估和报告框架和差距。接下来，使用健康技术评估和转化原则，确定了要考虑的报告组成部分。由八名专家组成的国际小组对这些组成部分进行了独立审查，以达成共识，将其纳入最终框架。结果 TEHAI 包括三个主要组成部分：能力、实用性和采用。对模型开发和部署的转化和伦理特征的重视使 TEHAI 有别于其他评估工具。讨论 现有报告或评估框架的一个主要限制是其重点狭窄。具体而言，评估组件可应用于 AI 系统开发和部署的任何阶段。由于 TEHAI 在转化研究模型中有着坚实的基础，并且强调安全性、转化价值和普遍性，因此它不仅具有理论基础，而且在评估现实世界系统方面也有实际应用。结论 用于开发 TEHAI 的转化研究理论方法不仅应将其应用于研究环境中的临床 AI 评估，还应更广泛地用于指导对工作临床系统的评估。
引用：Reddy S、Rogers W、Makinen V-P 等人。指导将 AI 系统实施到医疗保健环境中的评估框架。BMJ Health Care Inform 2021；28：e100444。 doi:10.1136/ bmjhci-2021-100444
摘要 目标 迄今为止，医疗保健领域已经开发了许多人工智能 (AI) 系统，但采用程度有限。这可能是由于评估不适当或不完整以及缺乏国际公认的 AI 评估标准。为了对 AI 系统在医疗保健领域的通用性有信心并使其能够融入工作流程，需要一种实用而全面的工具来评估现有 AI 系统的转化方面。目前，医疗保健领域可用的 AI 评估框架侧重于报告和监管方面，但对于评估 AI 系统的转化方面（如功能、实用性和道德组成部分）几乎没有指导。 方法 为了解决这一差距并创建一个评估现实世界系统的框架，一个国际团队开发了一个以转化为重点的评估框架，称为“医疗保健 AI 的转化评估 (TEHAI)”。对文献的批判性回顾评估了现有的评估和报告框架和差距。接下来，使用健康技术评估和转化原则，确定了需要考虑的报告组件。由八名专家组成的国际小组对这些组件进行了独立审查，以达成共识，将其纳入最终框架。结果 TEHAI 包括三个主要组成部分：能力、实用性和采用。对模型开发和部署的转化和道德特征的强调使 TEHAI 有别于其他评估工具。具体而言，评估组件可应用于 AI 系统开发和部署的任何阶段。讨论 现有报告或评估框架的一个主要限制是其重点狭窄。由于 TEHAI 在转化研究模型方面有着坚实的基础，并且强调安全性、转化价值和通用性，因此它不仅具有理论基础，而且在评估现实世界系统方面也有实际应用。结论 用于开发 TEHAI 的转化研究理论方法不仅应应用于研究环境中临床 AI 的评估，还应更广泛地指导工作临床系统的评估。
引用：Ali Q, Heldal I, Helgesen CG, et al. 支持视力筛查的技术：范围审查协议。BMJ Open 2021；11:e050819。
摘要 简介 视力问题影响学业成绩、社交和心理健康。大多数传统视力筛查方法依赖于基于一组视力测试的人工专家评估。随着技术的进步，新的仪器和计算机工具可用于补充视力筛查。基于该协议的范围界定审查旨在研究当前的视力筛查技术、哪些视力测试可以通过技术补充，以及这些技术如何通过提供测量来支持视力筛查。 方法与分析 计划中的审查将使用 PRISMA 范围界定审查扩展 (PRISMA-ScR) 工具。将在包括 Web of Science、MEDLINE（Ovid）、Scopus、Engineering Village、Cochrane 和 Embase 在内的数据库中进行电子搜索。我们将在选定的参考数据库中进行系统搜索，不受出版日期或研究国家/地区的限制。参考文献管理软件（如 EndNote 和 DistillerSR）将用于删除重复的条目。两位作者将独立分析研究以确定是否符合纳入资格。冲突将通过讨论解决。我们将提取技术类型、它们所补充的视力测试类型以及所纳入研究的测量值。总体发现将通过主题分析和映射到逻辑模型来综合。伦理与传播本次审查不需要伦理批准，因为它将仅总结现有的已发布数据。我们将在开放获取的同行评审期刊上发表研究结果。我们希望审查结果对视力筛查专家、开发人员、研究人员和政策制定者有用。
引用：Shelmerdine SC、Arthurs OJ、Denniston A 等人。回顾医疗保健领域使用人工智能的临床研究的研究报告指南。BMJ Health Care Inform 2021；28：e100385。doi:10.1136/bmjhci-2021-100385
摘要 高质量的研究对于指导循证护理至关重要，其报告方式应具有可重复性和透明度，并在适当的情况下提供足够的细节，以便纳入未来的荟萃分析。各种研究设计的报告指南已广泛用于临床（和临床前）研究，包括包含最低限度纳入要点的清单。随着最近使用人工智能 (AI) 的研究数量的增加，需要评估其他因素，这些因素并不完全符合传统的报告指南（例如，与技术算法开发有关的细节）。在本综述中，重点介绍了报告指南，以提高人们对评估医疗保健领域人工智能干预措施的研究所需的基本内容的认识。其中包括已发布和正在进行的著名报告指南的扩展，例如标准协议项目：干预试验建议-AI（研究协议）、试验报告综合标准-AI（随机对照试验）、诊断准确性研究报告标准-AI（诊断准确性研究）和个体预后或诊断多变量预测模型的透明报告-AI（预测模型研究）。此外，还有许多指南更普遍地考虑将人工智能用于健康干预（例如，医学成像人工智能清单（CLAIM）、最低信息（MI）-CLAIM、医学人工智能报告的 MI）或解决特定元素，如“学习曲线”（决策人工智能的发展和探索性临床研究）。目前尚未解决人工智能健康干预的经济评估问题，将其扩展到现有指南可能会有所帮助。面对大量有关人工智能健康干预的研究，报告指南有助于确保研究人员和研究评估人员既考虑到良好研究设计和报告的公认要素，又能充分应对人工智能特定要素带来的新挑战。
引用：Azizi Z，Zheng C，Mosquera L等。合成数据可以成为实际临床试验数据的代理吗？验证研究。 BMJ开放2021; 11：E0
抽象目标越来越多地要求制作研究数据，尤其是临床试验数据，更广泛地用于二级分析。但是，由于复杂的隐私要求，数据可用性仍然是一个挑战。可以使用合成数据来解决这一挑战。使用机器学习方法生成的合成数据来设置已发表的III期结肠癌试验二级分析的复制。参与者在我们的分析中包括1543名对照组中的患者。在合成数据上复制了一项在实际数据集上发表的研究的主要和次要结果度量分析，以研究肠道阻塞与无事件生存的关系。信息理论指标用于比较真实数据和合成数据之间的单变量分布。百分比CI重叠用于评估双变量关系大小的相似性，并且对于从两个数据集中得出的多元COX模型类似。结果分析结果在实际数据集和合成数据集之间相似。单变量分布在信息理论度量的差异的1％之内。所有双变量关系在TAU统计量上的CI重叠至50％以上。结论分析结果与合成数据和真实数据的结论之间的高一致性表明，合成数据可以用作实际临床试验数据集的合理代理。试用注册号NCT00079274。The main conclusion from the published study, that lack of bowel obstruction has a strong impact on survival, was replicated directionally and the HR CI overlap between the real and synthetic data was 61% for overall survival (real data: HR 1.56, 95% CI 1.11 to 2.2; synthetic data: HR 2.03, 95% CI 1.44 to 2.87) and 86% for disease-free survival (real data: HR 1.51，95％CI 1.18至1.95;合成数据：HR 1.63，95％CI 1.26至2.1）。