XiaoMi-AI文件搜索系统
World File Search System探索性
心脏疾病预测的机器学习算法中基于性别的性能差异：探索性研究
背景：人工智能中的偏见引起了人们的关注，算法表现不平等在整个刑事司法，教育和福利服务领域都被暴露出来。在医疗保健中，跨人群群体的算法不平等的性能可能会扩大健康不平等。 目的：在这里，我们识别和表征心脏病学算法中的偏见，专门研究用于管理心力衰竭的算法。 方法：第1阶段涉及与心脏机器学习（ML）算法有关的PubMed和Web Science的文献搜索。 评估了建立ML模型以预测心脏病的论文，以评估其对模型性能中人口偏见的关注，并保留了开源数据集以进行调查。 确定了两个开源数据集：（1）加利福尼亚大学尔湾分校心力衰竭数据集和（2）加利福尼亚大学欧文分校冠状动脉疾病数据集。 我们复制了已报告这些数据集的现有算法，对它们进行了对算法性能的性偏见进行了测试，并评估了一系列补救技术，以减少不平等的功效。 由于诊断不足和缺失的治疗机会的临床意义，特别注意假阴性率（FNR）。 结果：在第1阶段，我们的文献搜索返回了127篇论文，有60条符合完整审查的标准，只有3篇论文强调了算法性能的性别差异。 在报告性别的论文中，数据集中女性患者的代表性不足。在医疗保健中，跨人群群体的算法不平等的性能可能会扩大健康不平等。目的：在这里，我们识别和表征心脏病学算法中的偏见，专门研究用于管理心力衰竭的算法。方法：第1阶段涉及与心脏机器学习（ML）算法有关的PubMed和Web Science的文献搜索。评估了建立ML模型以预测心脏病的论文，以评估其对模型性能中人口偏见的关注，并保留了开源数据集以进行调查。确定了两个开源数据集：（1）加利福尼亚大学尔湾分校心力衰竭数据集和（2）加利福尼亚大学欧文分校冠状动脉疾病数据集。我们复制了已报告这些数据集的现有算法，对它们进行了对算法性能的性偏见进行了测试，并评估了一系列补救技术，以减少不平等的功效。由于诊断不足和缺失的治疗机会的临床意义，特别注意假阴性率（FNR）。结果：在第1阶段，我们的文献搜索返回了127篇论文，有60条符合完整审查的标准，只有3篇论文强调了算法性能的性别差异。在报告性别的论文中，数据集中女性患者的代表性不足。没有论文调查种族或种族差异。在第2阶段，我们重现了文献中报道的算法，对于数据集为1和85.72％（随机森林模型）的数据集为1和85.72％（SD 1.75％）的平均精度为84.24％（SD 3.51％）。对于数据集1，在16个实验中，女性患者的FNR明显更高，达到了统计显着性的阈值（–17.81％至–3.37％； p <.05）。 在16个实验中，有13例男性患者（–0.48％至 +9.77％; p <.05）中的男性患者的假阳性差异很小。 我们观察到男性患者疾病的过度预测（较高的假阳性率）和女性患者疾病的预测不足（较高的FNR）。 性质重要性的性别差异表明，特征选择需要根据人口统计学量身定制。 结论：我们的研究暴露了心脏ML研究中的显着差距，强调，女性患者的算法不良表现不佳在已发表的文献中被忽略了。 我们的研究量化了算法性能中的性别差异，并探讨了几种偏见来源。 我们发现，在用于训练算法，确定模型错误率中的性别偏见的数据集中，女性患者的人数不足，并证明了一系列补救技术无法解决存在的不平等现象。对于数据集1，在16个实验中，女性患者的FNR明显更高，达到了统计显着性的阈值（–17.81％至–3.37％； p <.05）。在16个实验中，有13例男性患者（–0.48％至 +9.77％; p <.05）中的男性患者的假阳性差异很小。我们观察到男性患者疾病的过度预测（较高的假阳性率）和女性患者疾病的预测不足（较高的FNR）。性质重要性的性别差异表明，特征选择需要根据人口统计学量身定制。结论：我们的研究暴露了心脏ML研究中的显着差距，强调，女性患者的算法不良表现不佳在已发表的文献中被忽略了。我们的研究量化了算法性能中的性别差异，并探讨了几种偏见来源。我们发现，在用于训练算法，确定模型错误率中的性别偏见的数据集中，女性患者的人数不足，并证明了一系列补救技术无法解决存在的不平等现象。
高性能医疗保健模拟中心的实施策略：中国的多中心探索性案例研究
1。Issenberg SB，McGaghie WC，Hart IR等。用于医疗保健专业技能培训和评估的模拟技术。JAMA。 1999; 282（9）：861-866。 doi：10.1001/jama.282.9.861 2。 Healthcare S. Sim Center目录中的模拟学会。 https：//www.ssih.org/home/sim-center-directory。 出版了2021年。 2021年11月6日访问。 3。 Fang C，Zhou Y，Hu S，Chen S，Liu J，Wu Z. 考虑了标准化居民培训基础评估和认证的整合。 Chin J Grad Med Edu。 2021; 5（5）：385-390。 4。CooperRB，Zmud RW。 信息技术实施研究：一种技术扩散方法。 托管科学。 1990; 36（2）：123-139。 doi：10.1287/mnsc.36.2.123 5。 医疗保健S.认证标准的模拟学会。 社会医疗保健中的模拟。 https://www.ssih.org/credentialing/JAMA。1999; 282（9）：861-866。 doi：10.1001/jama.282.9.861 2。 Healthcare S. Sim Center目录中的模拟学会。 https：//www.ssih.org/home/sim-center-directory。 出版了2021年。 2021年11月6日访问。 3。 Fang C，Zhou Y，Hu S，Chen S，Liu J，Wu Z. 考虑了标准化居民培训基础评估和认证的整合。 Chin J Grad Med Edu。 2021; 5（5）：385-390。 4。CooperRB，Zmud RW。 信息技术实施研究：一种技术扩散方法。 托管科学。 1990; 36（2）：123-139。 doi：10.1287/mnsc.36.2.123 5。 医疗保健S.认证标准的模拟学会。 社会医疗保健中的模拟。 https://www.ssih.org/credentialing/1999; 282（9）：861-866。 doi：10.1001/jama.282.9.861 2。Healthcare S. Sim Center目录中的模拟学会。https：//www.ssih.org/home/sim-center-directory。出版了2021年。2021年11月6日访问。3。Fang C，Zhou Y，Hu S，Chen S，Liu J，Wu Z. 考虑了标准化居民培训基础评估和认证的整合。 Chin J Grad Med Edu。 2021; 5（5）：385-390。 4。CooperRB，Zmud RW。 信息技术实施研究：一种技术扩散方法。 托管科学。 1990; 36（2）：123-139。 doi：10.1287/mnsc.36.2.123 5。 医疗保健S.认证标准的模拟学会。 社会医疗保健中的模拟。 https://www.ssih.org/credentialing/Fang C，Zhou Y，Hu S，Chen S，Liu J，Wu Z.考虑了标准化居民培训基础评估和认证的整合。Chin J Grad Med Edu。 2021; 5（5）：385-390。 4。CooperRB，Zmud RW。 信息技术实施研究：一种技术扩散方法。 托管科学。 1990; 36（2）：123-139。 doi：10.1287/mnsc.36.2.123 5。 医疗保健S.认证标准的模拟学会。 社会医疗保健中的模拟。 https://www.ssih.org/credentialing/Chin J Grad Med Edu。2021; 5（5）：385-390。4。CooperRB，Zmud RW。信息技术实施研究：一种技术扩散方法。托管科学。1990; 36（2）：123-139。 doi：10.1287/mnsc.36.2.123 5。 医疗保健S.认证标准的模拟学会。 社会医疗保健中的模拟。 https://www.ssih.org/credentialing/1990; 36（2）：123-139。 doi：10.1287/mnsc.36.2.123 5。医疗保健S.认证标准的模拟学会。社会医疗保健中的模拟。https://www.ssih.org/credentialing/
比较人类和人工智能在健康期刊写作中的应用：一项探索性研究
ChatGPT C. 比较人类作者和 ChatGPT 前瞻性撰写的手稿设计：前瞻性探索性研究干预：要求人类作者和 ChatGPT 撰写有关三个主题的简短期刊文章：1) 促进巴基斯坦的儿童早期发展 2) 改善中低收入国家性别敏感卫生服务的干预措施，以及 3) COVID-19 风险沟通中的缺陷。我们使用评估矩阵对文章进行了内容分析。结果测量：文章的完整性、可信度和科学内容。完整性意味着保持结构（IMRaD）和组织。可信度要求对他人的工作进行适当引用，并提供准确的参考书目。科学内容需要特异性、数据准确性、凝聚力、包容性、保密性、局限性、可读性和时间效率。结果：人类作者的文章在完整性和可信度方面得分高于 ChatGPT。同样，人类撰写的文章在科学内容的大多数项目中得分更高，除了时间效率，ChatGPT 得分更高。ChatGPT 文章中缺少方法部分，其参考书目中的大多数参考文献都无法验证。结论：ChatGPT 生成的内容可信但可能不真实。这个强大模型的创建者必须加紧提供解决方案来管理其故障和潜在的滥用。与此同时，学术部门、编辑和出版商必须预期 ChatGPT 和类似工具的使用率会不断提高。禁止 ChatGPT 作为合著者可能还不够。他们必须调整编辑政策，采取措施检测基于人工智能的写作，并阻止其对人类健康和生命可能产生的影响。
超越推荐：人工智能辅助决策中不同人工智能角色影响的探索性研究
人工智能 (AI) 越来越多地被用于各种决策任务，通常作为推荐者，提供 AI 认为正确的建议。然而，最近的研究表明，这可能会削弱人类的分析思维，导致人类对 AI 的过度依赖，从而削弱人机团队的协同作用。相比之下，群体决策中的人类顾问扮演着各种角色，例如分析替代方案或批评决策者以鼓励他们的批判性思维。这种角色的多样性尚未在 AI 辅助中得到实证探索。在本文中，我们研究了三个 AI 角色：推荐者、分析者和魔鬼代言人，并评估了它们在两个 AI 性能水平上的影响。我们的结果显示了每个角色在任务执行、依赖适当性和用户体验方面的不同优势和局限性。值得注意的是，推荐者角色并不总是最有效的，特别是如果 AI 性能水平较低，分析者角色可能更可取。这些见解为根据不同情况设计具有自适应功能角色的 AI 助手提供了有价值的启示。
ChatGPT 和其他人工智能聊天机器人是否构成网络安全风险？一项探索性研究
人工智能 (AI) 的兴起为各个领域开辟了新领域，包括自然语言处理。该领域最重要的进步之一是对话代理 (即聊天机器人) 的开发，它们是旨在通过消息传递界面与人类交互的计算机程序。大型语言模型（如 ChatGPT）的出现使得能够创建高度复杂的聊天机器人，这些聊天机器人可以以令人印象深刻的准确度模仿人类对话。但是，使用这些聊天机器人也带来了必须解决的重大网络风险。本研究论文旨在调查与使用 ChatGPT 和其他类似的基于 AI 的聊天机器人相关的网络风险，包括可能被恶意行为者利用的潜在漏洞。作为本研究的一部分，进行了一项调查，以探讨与基于 AI 的聊天机器人（如 ChatGPT）相关的网络安全风险。此外，本文还提出了可用于缓解这些网络风险和漏洞的缓解方法。
人工智能作为快速有效生产再利用制造业的推动者：探索性评论和未来研究建议
“从一开始就设计为能够快速改变结构以及硬件和软件组件，以便快速调整零件系列内的生产能力和功能，以应对市场或监管要求的突然变化”
Quno探索性注释 - 正义过渡：一种基于人权的低碳经济的方法
2 ILO的世界就业和社会前景：2021年趋势发现：“在2019年至2020年之间，全球失业率增加了3,300万，而另外4400万人成为潜在劳动力[…]的一部分，相反，全球失业率在2008年至2009年之间增加了2200万，而潜在劳动力在同一期间仅增加了600万。”包括妇女和青年在内的脆弱工人受到了不成比例的影响。发展和新兴经济体基于不平等的疫苗接收和支持强大的财政刺激措施的能力有限的恢复特别缓慢。3参见例如B.2在IPCC（2021）中工作组1对政府间气候变化的第六次评估报告的贡献：“气候系统的许多变化在与全球增长的直接关系中变得更大。它们包括高极端的频率和强度的增加，海洋热浪以及某些地区的大量降水，农业和生态干旱以及强烈的热带气旋的比例，以及北极海冰，雪覆盖和多年冻土的减少。”
2型糖尿病患者随访期间的专业间通信：一项探索性研究
摘要。对2型糖尿病（T2DM）患者的随访涉及几名医疗保健专业人员。他们的交流质量对于优化护理至关重要。这项探索性工作旨在表征这些沟通及其问题。对全科医生（GP），患者和其他专业人员进行了访谈。数据分析，结果是通过人地图构建的。我们进行了25次访谈。GP，患者，护士，社区药剂师，医学专家和糖尿病学家是T2DM患者随访的主要参与者。发现了三个沟通问题：到达医院糖尿病学家的困难，接受报告的延迟以及患者传播信息的困难。根据工具，护理途径和新角色讨论了结果，以支持T2DM患者随访期间的通信。
2型糖尿病患者随访期间的专业间通信：一项探索性研究
摘要。对2型糖尿病（T2DM）患者的随访涉及几名医疗保健专业人员。他们的交流质量对于优化护理至关重要。这项探索性工作旨在表征这些沟通及其问题。对全科医生（GP），患者和其他专业人员进行了访谈。数据分析，结果是通过人地图构建的。我们进行了25次访谈。GP，患者，护士，社区药剂师，医学专家和糖尿病学家是T2DM患者随访的主要参与者。发现了三个沟通问题：到达医院糖尿病学家的困难，接受报告的延迟以及患者传播信息的困难。根据工具，护理途径和新角色讨论了结果，以支持T2DM患者随访期间的通信。
心理治疗中的开放笔记：瑞士心理治疗学生的探索性混合方法调查
结果：72名（35.8％）的学员完成了调查。定量结果揭示了关于开放式钞票的混合观点。75％的人同意，一般的公开票据是一个好主意，有94.1％的人同意关于公开票据的教育应该是心理治疗培训的一部分。考虑对患者和心理治疗的影响时，出现了四个主题：（a）对治疗的负面影响； （b）对治疗的积极影响； （c）对患者的影响； （d）文档。学生确定了与增加工作量，对心理治疗关系的伤害以及记录质量损害有关的问题。他们还确定了许多潜在的好处，包括更好的患者沟通和知情同意程序。在描述对不同疗法类型的影响时，学生认为，根据心理治疗方法的不同，开放音符可能会产生不同的影响。