Evaluering av samsvaret mellom ChatGPT-5 og anestesilegers prediksjoner og faktiske utfall i forutsigelse av postoperativt intensivavdelingsbehov basert på preoperativ data

Postoperativ intensivavdeling (ICU)-innleggelse er en kritisk komponent i perioperativ pasientbehandling, spesielt hos pasienter med økt kirurgisk eller anestesiriskiko. Presis preoperativ identifisering av pasienter som vil kreve postoperativ ICU-omsorg kan forbedre pasientsikkerheten og optimalisere ressursallokeringen.

Denne studien er utformet som en prospektiv, ikke-intervensjonell observasjonskohortstudie gjennomført hos voksne pasienter som gjennomgår elektive kirurgiske prosedyrer. Rutinemessig innsamlede preoperative kliniske data, inkludert demografiske egenskaper, komorbiditeter, laboratorieresultater og anestesilegers vurderinger, registreres for hver deltaker.

For hver pasient dokumenteres prediksjoner av postoperativ ICU-behov generert av ChatGPT-5 ved bruk av strukturerte preoperative data. Disse prediksjonene sammenlignes med anestesilegers preoperative ICU-innleggelsesvurderinger og med faktiske postoperative ICU-innleggelsesutfall.

Ingen ytterligere diagnostiske eller terapeutiske inngrep utføres som del av studien. Pasientomsorgen følger standard institusjonell praksis til enhver tid. Alle innsamlede data anonymiseres før analyse. Statistiske analyser fokuserer på samsvar og prediksjonsytelsesmål, inkludert sensitivitet, spesifisitet og konkordans mellom prediksjonsmetoder og faktiske utfall.