XiaoMi-AI文件搜索系统
World File Search SystemPHYSICIANS
英格兰初级保健医师中质子泵抑制剂的规定做法
作者接受了手稿，这是一个“接受的手稿”：已被接受在BJGP Open中出版的手稿，但尚未经过账面，排版或更正。在此过程中发现和纠正的错误可能会严重更改本手稿的内容，并且应优先使用最新发布的版本（记录版本）
CheXplain：帮助医生探索和理解数据驱动、人工智能支持的医学影像分析
摘要 数据驱动型人工智能的最新发展有望实现医疗诊断的自动化；然而，对于计算知识有限的医生来说，大多数人工智能都像“黑匣子”一样。以医学成像为出发点，我们进行了三次设计活动，以制定 CheXplain——一个使医生能够探索和理解人工智能支持的胸部 X 光分析的系统：（i）转诊医生和放射科医生之间的配对调查揭示是否需要、何时需要以及需要何种解释；（ii）与三位医生共同设计的低保真原型制定了八个关键特征；（iii）由另外六位医生评估的高保真原型提供了关于每个特征如何实现对人工智能的探索和理解的详细总结性见解。我们总结并讨论了未来设计和实施可解释的医疗人工智能系统的建议，这些系统涵盖四个反复出现的主题：动机、约束、解释和理由。
改变我们的工作方式：安大略省家庭医生 COVID-19 实践社区
好问题，CBC 的文章很棒。https://www.cbc.ca/news/politics/catholic-bishops-astra- zeneca-vaccine-1.5945928 “主教们拒绝向加拿大天主教徒提供关于选择阿斯利康疫苗替代品的建议” “……所有经相关卫生当局医学批准的 COVID-19 疫苗都可以合法接种。澄清中写道：“天主教徒受邀接种疫苗，这既符合他们的良心要求，也通过促进他人的健康和安全为共同利益做出贡献。”
探索提高波兰初级保健医生对疫苗接种支持的因素
在波兰，初级保健医生是有关免疫接种的最常用和最值得信赖的信息来源。我们旨在探索影响儿童免疫接种计划医生对疫苗接种支持的因素，以便为医护人员和计划组织提供教育信息。2017 年 6 月至 7 月，我们对随机选择的初级保健机构的医生进行了一项全国横断面调查，并通过电话对他们进行了采访。我们使用序数标度（0-6）评估对疫苗接种的支持，该标度由三个同等权重的问题组成，问题是关于受访者对计划以及自己和家人疫苗接种的支持。我们还根据对疫苗接种误区的正确答案创建了一个量表（0-3）。我们使用有序逻辑回归来调查独立影响对疫苗接种支持的因素，报告了支持分数每增加一个单位的比例优势比和 95% 置信区间。在联系的 2,609 名受访者中，我们采访了 500 名（19%）。疫苗接种支持评分中位数（0-6）为 5（IQR 2）。调整其他变量后，我们未发现性别、医学专业、遵守建议、参加前一年的会议、使用非科学信息来源和自我评估知识对疫苗接种支持评分有显著影响。年龄超过 60 岁、正确解决疫苗接种误区以及使用一个或多个科学知识来源，显著提高了对疫苗接种的支持（aOR 分别为 1.97、1.57、3.09 和 2.68）。我们建议增加面向从事儿童免疫接种工作的初级保健医生的循证教育材料的数量、质量和可及性。
未来医生使用人工智能诊断支持系统的意愿决定因素
1 河内医科大学预防医学与公共卫生研究所，越南河内，2 卡罗琳医学院全球公共卫生系，瑞典斯德哥尔摩，3 越南河内卫生经济与技术研究所，4 越南岘港维新大学全球卫生创新研究所，5 越南岘港维新大学医学院，6 新加坡精神卫生研究所国家成瘾管理服务 (NAMS)，新加坡，7 越南胡志明市阮达清大学循证医学卓越中心，8 美国马里兰州巴尔的摩约翰霍普金斯大学彭博公共卫生学院，9 新加坡国立大学杨潞龄医学院心理医学系，新加坡，10 新加坡国立大学健康创新与技术研究所 (iHealthtech)，新加坡
人工智能驱动的鉴别诊断列表对诊断准确性的影响医生：一项开放标签随机对照研究
摘要：背景：展示了人工智能（AI）驱动的自动病史采集系统与人工智能驱动的鉴别诊断列表对医生诊断准确性的有效性。然而，考虑到人工智能驱动的鉴别诊断列表的负面影响，例如遗漏（医生拒绝人工智能建议的正确诊断）和犯错（医生接受人工智能建议的错误诊断），应评估不带人工智能驱动的鉴别诊断列表的人工智能驱动的自动病史采集系统对医生诊断准确性的有效性。目的：本研究旨在评估带或不带人工智能驱动的鉴别诊断列表的人工智能驱动的自动病史采集系统对医生诊断准确性的有效性。方法：这项随机对照研究于 2021 年 1 月进行，纳入了 22 名在大学医院工作的医生。参与者需要阅读 16 个临床案例，其中 AI 驱动的真实患者病史为每个病例生成最多三个鉴别诊断。参与者被分为两组：有和没有 AI 驱动的鉴别诊断列表。结果：两组的诊断准确率没有显著差异（分别为 57.4% 和 56.3%；p = 0.91）。在 AI 生成的列表中包含正确诊断的案例对医生的诊断准确性显示出最大的积极影响（调整后的优势比 7.68；95% CI 4.68–12.58；p < 0.001）。在使用 AI 驱动的鉴别诊断列表的组中，15.9% 的诊断是遗漏错误，14.8% 是犯错错误。结论：医生使用人工智能驱动的自动化病史的诊断准确性在有和没有人工智能驱动的鉴别诊断列表的组之间没有差异。
改善与COVID-19疫苗犹豫患者的对话：支持家庭医生的行动研究
疫苗接种和应对疫苗犹豫的努力已成为家庭医学团队的重点问题，因为COVID-19大流行的发展。进行行动研究，我们的团队开发了一项基于交互式网络的指南，以改善患者提出的各种疫苗犹豫的临床对话。本文在包括验证访谈的过程中介绍了该指南与家庭医生（其目标最终用户）编码的指南；角色扮演访谈；和用户测试的设计。验证访谈试图了解有关相关心理学理论的家庭医学临床实践中疫苗犹豫的实用现实。角色扮演的访谈汲取了Famiralial Bysicant的对话策略和建议。动机访谈的原则是一种基于证据的疫苗犹豫对话方法，以补充信息赤字方法 - 用于编码指南的内容和布局。用户计数，利益相关者的参与和基于Web的分析表明该指南正在广泛使用。目前正在对指南进行正式评估。
改善与 COVID-19 疫苗犹豫患者的对话：支持家庭医生的行动研究
随着 COVID-19 疫情的发展，疫苗接种和应对疫苗犹豫的努力已成为家庭医学团队关注的焦点问题。通过开展行动研究，我们的团队开发了一个基于网络的交互式指南，以改善围绕患者提出的各种疫苗犹豫的临床对话。本文逐步介绍了与家庭医生（其目标最终用户）共同设计指南的过程，该过程包括验证访谈、角色扮演访谈和用户测试设计。验证访谈旨在了解家庭医学临床实践中疫苗犹豫的实际现实，这些现实与相关心理学理论有关。角色扮演访谈引出了家庭医生的对话策略和建议。动机访谈的原则（一种基于证据的疫苗犹豫对话方法，补充了信息缺乏方法）被用于共同设计指南的内容和布局。用户数量、利益相关者参与度和基于网络的分析表明该指南正在被广泛使用。目前正在对该指南进行正式评估。
改善与 COVID-19 疫苗犹豫患者的对话：支持家庭医生的行动研究
随着 COVID-19 疫情的发展，疫苗接种和应对疫苗犹豫的努力已成为家庭医学团队关注的焦点问题。通过开展行动研究，我们的团队开发了一个交互式网络指南，以改善围绕患者提出的各种疫苗犹豫的临床对话。本文逐步介绍了与家庭医生（其目标最终用户）共同设计指南的过程，该过程包括验证访谈、角色扮演访谈和用户测试设计。验证访谈旨在了解家庭医学临床实践中疫苗犹豫的实际情况与相关心理学理论的关系。角色扮演访谈从家庭医生那里汲取了对话策略和建议。动机访谈的原则（一种基于证据的疫苗犹豫对话方法，补充了信息缺乏方法）被用于共同设计指南的内容和布局。用户数量、利益相关者参与度和基于网络的分析表明该指南正在被广泛使用。目前正在进行该指南的正式评估。