Évaluation des indications des unités de soins intensifs (USI) : prédictions entre humains et ChatGPT-4o (ICU)

Cette étude a une conception rétrospective. Les données médicales des patients admises au service des urgences et consultées à la clinique d'anesthésiologie et de réanimation pour les indications en USI seront collectées rétrospectivement. Les informations démographiques, les signes vitaux, les résultats de laboratoire, les résultats de l'imagerie et les décisions cliniques des patients seront enregistrés. Ces données seront systématiquement collectées pour chaque patient à l'aide d'un formulaire de rapport de cas individuel.

Critères d'inclusion pour l'étude :

Les patients âgés de 18 ans et plus qui ont été consultés à la clinique d'anesthésiologie et de réanimation pour des indications en soins intensifs du service des urgences seront inclus dans l'étude.

Critères d'exclusion pour l'étude :

Patients consultés à la clinique d'anesthésiologie et de réanimation pour des indications en soins intensifs provenant des services d'hospitalisation.

Patients consultés à la clinique d'anesthésiologie et de réanimation du service des urgences pour des raisons autres que les indications des soins intensifs.

Patients consultés à la clinique d'anesthésiologie et de réanimation pour des indications de réanimation du service des urgences mais avec des données enregistrées insuffisantes (patients avec perte de données).

Formation de modèles et analyse de prédiction :

ChatGPT-4 sera formé selon les directives de « Yoğun Bakım Hasta Kabul Kriterleri (Rehberleri) » par Çiftçi B, Erdoğan C et Demiraran Y (5). Les données collectées sur les patients seront présentées au modèle ChatGPT-4 pour obtenir des prédictions quant à savoir si les patients nécessitent une admission en soins intensifs. Les prédictions faites par ChatGPT seront comparées aux décisions cliniques, et le taux d'exactitude, le taux de faux positifs et le taux de faux négatifs seront analysés.

Méthodes d'analyse statistique à utiliser dans l'étude :

Taux de précision : le taux auquel ChatGPT prédit correctement les indications en soins intensifs sera calculé.

Taux de faux positifs : le taux auquel ChatGPT prédit le besoin en soins intensifs pour les patients qui n'ont pas besoin d'une admission en soins intensifs sera évalué.

Taux de faux négatifs : le taux auquel ChatGPT prédit qu'il n'y aura pas besoin de soins intensifs pour les patients nécessitant une admission en soins intensifs sera analysé.

Statistiques Kappa : l'accord entre les prédictions ChatGPT et les décisions cliniques sera mesuré.

Courbe ROC et AUC : les performances de ChatGPT seront évaluées à l'aide de la courbe ROC et de l'AUC.

Le formulaire de rapport de cas utilisé pour chaque patient garantit une collecte de données détaillée et systématique d'informations cliniques, visant à comparer de manière significative l'alignement des prédictions de ChatGPT avec les décisions cliniques.