XiaoMi-AI文件搜索系统
World File Search SystemPhysicians
医生关于 HPV 疫苗的决策过程
背景：当代疫苗信任危机严重削弱了人们对 HPV 疫苗的接受度，尤其是在法国，2018 年疫苗接种率达到 23.7%（16 岁完成疗程）。医生的建议对疫苗的接受/拒绝有很大影响。我们的研究旨在了解医生推荐（或不推荐）这种疫苗的决策过程。方法：对法国医生（全科医生、妇科医生和儿科医生）进行定性访谈。我们首先在国家医疗专业人员名册中随机选择医生，然后采用滚雪球法建立便利样本。我们对访谈进行了编码，根据研究问题和数据通过归纳和演绎的方式建立了主题分析。结果：三分之二的参与者（19/28）赞成接种 HPV 疫苗，一些人（4）反对，而其他人则犹豫是否推荐。在解释他们的观点时，大多数参与者提到他们信任疫苗接种系统内的利益相关者：他们越不信任，就越批评疫苗，越重视患者的意见。我们确定了他们在这个话题上与患者互动的三种不同方式：告知和说服；适应患者的意见；拒绝在疫苗接种问题上妥协。跨越这些不同的主题，我们发现了五种类型的医生：持不同政见者（不信任医疗保健系统和 HPV 疫苗）、犹豫不决者（难以对这种疫苗接种做出决定）、放任自流者（让患者自己决定，但非常支持 HPV 疫苗接种）、教育者（非常支持）和不妥协的疫苗接种者（拒绝辩论）。后两种类型中儿科医生的比例过高。结论：医生的判断受到他们对参与设计和实施 HPV 疫苗接种策略的利益相关者的信任的影响。从这个意义上讲，医生与普通人并无太大区别。尽管如此，他们还是深受其专业风格和精神的影响。 2020 年由 Elsevier Ltd. 出版。
关于神经技术在医师和外科医生中的应用中应用人类增强的道德分析
摘要。由于医师和外科医生的短缺，以及由于诸如COVID-19大流行等情况，全球需求的增加，人们对找到解决方案的兴趣日益增加，以帮助解决该问题。解决此问题的解决方案是使用神经技术来增强认知，感官和动作以进行最佳诊断和治疗。因此，这样做会对他们和其他人产生负面影响。我们认为，在医师和外科医生中应用神经技术来增强人类可能会造成不公正，并伤害他们和患者。在本文中，我们将首先描述可用于实现医师和外科医生相关的增强的增强和旋转技术。然后，我们将审查文献中讨论的选定的道德信息，讨论使用神经技术来增强目的的神经工程，然后在医学和外科实践中通过神经技术实施人类实施人类的成果和道德问题进行分析。
人工智能，科学家和医生的重要助手
人类大脑在快速记忆和应用医学院学习到的数千条医学信息方面存在诸多障碍和限制。另一方面，医学知识正在激增。因此，临床医生不可能分析数百篇论文、期刊和教科书。然而，在循证医学实践中，医生必须使用最新的指南和论文。一份报告显示，医疗保健中的大多数诊断错误都与医护人员的错误认知有关 [1, 2]。此外，医疗错误是美国死亡的主要原因之一，其中大部分与人为错误有关 [3, 4]。自 20 世纪 50 年代以来，医生和计算机科学家一直试图利用计算机作为决策支持系统的能力来促进临床决策 [5]。人工智能 (AI) 是计算机科学的一个分支，正在医学和许多其他领域迅速应用。人工智能技术试图模仿人类的行为和认知功能，以学习和解决类似人类的问题 [6]。由于人工智能使用计算机处理和内存管理功能，因此它不受人类的限制，可以在不到一分钟的时间内分析和解释数百万条有关疾病的信息。1976 年，Gunn 等人首次将人工智能应用于医学。使用这项技术诊断急性腹痛 [7]。人工智能在医学中的应用是在医学算法中
医疗保险 D 部分中的制药公司付款和医生处方行为
制药公司在推广处方药的过程中，经常向医生支付金钱或实物，这种做法普遍存在但又颇具争议。我们使用联邦数据库，收集了 2013 年至 2015 年期间与 Medicare Part D 中的处方行为相关的此类互动。我们考虑了针对每种医生-药物组合的固定效果付款。在一项事件研究中，我们发现医生在收到付款后的几个月内增加了他们收到付款的药物的处方量，没有证据表明在付款之前有偿和无偿医生之间存在差异趋势。使用手动收集的三种主要治疗类别的疗效数据，我们发现那些收到付款的人在收到付款后会开出质量较差的药物，尽管这种影响很小，而且不太可能具有临床意义。此外，我们还研究了五个主要药物专利到期的案例研究。从专利到期的公司获得报酬的医生与未获得此类报酬的医生一样快地让他们的病人转用仿制药。
医生的小册子：产前辐射暴露
重要的是要了解，本小册子的目的只是向临床医生提供技术背景信息，因为他们认识到医疗保健提供者在评估和讨论对预期母亲的辐射风险/益处时将使用其临床判断。尽管这些讨论可能始于风险或平衡风险和利益，但咨询通常包括确定所有可能增加不良母亲和胎儿健康结果的影响。如何最好地与准妈妈交流任何类型的风险取决于许多因素。首先考虑的是患者以及语言和文化障碍的教育背景。，但通常，还必须考虑到预期母亲和其他潜在心理影响的压力水平。
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。
将任务需求、心理努力和任务难度与医生与电子健康记录 (EHR) 交互过程中的表现联系起来
摘要 目的是评估医生与电子健康记录 (EHR) 交互过程中任务需求、心理努力、任务难度和绩效之间的关系。 17 位医生执行了三个基于 EHR 的场景，任务需求各不相同。心理努力通过眼动追踪测量通过任务诱发瞳孔反应 (TEPR)、眨眼频率和注视速度来测量；任务难度（或用户行为）通过频繁的鼠标点击模式和任务流来测量；用户绩效使用两种类型的遗漏错误来量化：(i) 没有证据表明尝试完成任务的遗漏错误和 (ii) 有证据表明尝试但无法完成任务的遗漏错误。结果表明，任务需求显著增加心理努力，但没有增加任务难度。任务需求、心理努力和任务难度均可预测绩效。具体而言，(i) 没有证据表明尝试完成任务的任务需求、TEPR 和遗漏错误与 (ii) 有证据表明尝试但无法完成任务的眨眼频率、重复搜索点击和遗漏错误之间存在显著关系。总体而言，结果表明，医生在 EHR 交互过程中的表现受到任务要求和脑力劳动增加的负面影响。这凸显了除了 EHR 可用性改进之外，还需要实施适当的质量保证 (QA) 措施，以最大限度地减少遗漏错误并提高医生的表现。
IMCO Physicians 产品目录，第 5 卷，第 1 期
Ritter 204 手动检查台。采用手动检查台的最新设计、舒适性和功能，真正提供高效的患者护理。一体式无缝抽屉等特点具有易于清洁的圆边，可容纳溢出的液体，使其远离检查台的其他区域，从而改善感染控制。软垫顶部采用人体工程学设计，外观柔软舒适，让您的患者感觉更放松。一体式无缝软垫顶部无需工具即可轻松拆卸，可进行彻底清洁或快速更换软垫颜色。我们增加了踏脚板的尺寸，让患者感觉更安全，更自信地坐在检查台上……尽量减少医生或他们的工作人员的压力和压力。台阶表面易于清洁，防滑，边缘圆润，更加安全。三个宽敞的侧抽屉为手术服、窗帘和其他物品提供了充足的存储空间，同时还可以帮助您整理各种小件物品和大件物品。此外，还有两个前抽屉，方便在盆腔检查期间取用物品。Ritter 204 设计为安全支撑 500 磅。提供 7 种标准 Ritter 颜色