Vurdering af indikationer på intensiv afdeling (ICU): Mennesker vs. ChatGPT-4o forudsigelser (ICU)

Denne undersøgelse har et retrospektivt design. De medicinske data for patienter, der er indlagt på skadestuen og konsulteret på anæstesiologi- og genoplivningsklinikken for ICU-indikationer, vil blive indsamlet retrospektivt. Demografisk information, vitale tegn, laboratorieresultater, billeddiagnostiske fund og patienters kliniske beslutninger vil blive registreret. Disse data vil systematisk blive indsamlet for hver patient ved hjælp af en individuel Case Report Form.

Inklusionskriterier for undersøgelsen:

Patienter i alderen 18 år og ældre, som blev konsulteret til anæstesiologisk og genoplivningsklinik for ICU-indikationer fra akutmodtagelsen, vil blive inkluderet i undersøgelsen.

Eksklusionskriterier for undersøgelsen:

Patienter konsulteret til anæstesiologi- og genoplivningsklinikken for ICU-indikationer fra indlagte tjenester.

Patienter konsulteret til anæstesi- og genoplivningsklinikken fra skadestuen af ​​andre årsager end ICU-indikationer.

Patienter konsulteret til anæstesi- og genoplivningsklinikken for ICU-indikationer fra akutmodtagelsen, men med utilstrækkelige registrerede data (patienter med tab af data).

Modeltræning og forudsigelsesanalyse:

ChatGPT-4 vil blive trænet i henhold til retningslinjerne i "Yoğun Bakım Hasta Kabul Kriterleri (Rehberleri)" af Çiftçi B, Erdoğan C og Demiraran Y (5). De indsamlede patientdata vil blive præsenteret for ChatGPT-4-modellen for at opnå forudsigelser om, hvorvidt patienterne har behov for indlæggelse på intensivafdeling. Forudsigelserne lavet af ChatGPT vil blive sammenlignet med kliniske beslutninger, og nøjagtighedsraten, falsk positiv rate og falsk negativ rate vil blive analyseret.

Statistiske analysemetoder, der skal bruges i undersøgelsen:

Nøjagtighedshastighed: Den hastighed, hvormed ChatGPT forudsiger ICU-indikationer korrekt, vil blive beregnet.

Falsk positiv rate: Den hastighed, hvormed ChatGPT forudsiger ICU-behov for patienter, der ikke kræver ICU-indlæggelse, vil blive evalueret.

Falsk negativ rate: Den hastighed, hvormed ChatGPT forudsiger intet ICU-behov for patienter, som kræver ICU-indlæggelse, vil blive analyseret.

Kappa-statistik: Overensstemmelsen mellem ChatGPT-forudsigelser og kliniske beslutninger vil blive målt.

ROC-kurve og AUC: Ydeevnen af ​​ChatGPT vil blive evalueret ved hjælp af ROC-kurven og AUC.

Case-rapportformularen, der bruges til hver patient, sikrer detaljeret og systematisk dataindsamling af klinisk information, med henblik på meningsfuldt at sammenligne justeringen af ​​ChatGPTs forudsigelser med kliniske beslutninger.