Bedömer Intensivvårdsavdelningens (ICU) indikationer: Human kontra ChatGPT-4o förutsägelser (ICU)

Denna studie har en retrospektiv design. Medicinska data från patienter som tagits in på akutmottagningen och konsulterats på anestesiologi- och reanimationskliniken för ICU-indikationer kommer att samlas in i efterhand. Demografisk information, vitala tecken, laboratorieresultat, avbildningsfynd och patienters kliniska beslut kommer att registreras. Dessa data kommer systematiskt att samlas in för varje patient med hjälp av ett individuellt fallrapportformulär.

Inklusionskriterier för studien:

Patienter i åldern 18 år och äldre som konsulterats till anestesiologi- och reanimationskliniken för ICU-indikationer från akutmottagningen kommer att inkluderas i studien.

Uteslutningskriterier för studien:

Patienter konsulterade till anestesiologi- och reanimationskliniken för ICU-indikationer från slutenvården.

Patienter konsulterade till anestesi- och återupplivningsmottagningen från akutmottagningen av andra skäl än ICU-indikationer.

Patienter konsulterade till anestesi- och reanimationskliniken för ICU-indikationer från akutmottagningen men med otillräckliga registrerade data (patienter med dataförlust).

Modellträning och förutsägelseanalys:

ChatGPT-4 kommer att tränas enligt riktlinjerna i "Yoğun Bakım Hasta Kabul Kriterleri (Rehberleri)" av Çiftçi B, Erdoğan C och Demiraran Y (5). Den insamlade patientdatan kommer att presenteras för ChatGPT-4-modellen för att få förutsägelser om huruvida patienterna behöver läggas in på intensivvårdsavdelningen. Förutsägelserna som görs av ChatGPT kommer att jämföras med kliniska beslut, och noggrannhetsfrekvens, falsk positiv frekvens och falsk negativ frekvens kommer att analyseras.

Statistiska analysmetoder som ska användas i studien:

Noggrannhetsgrad: Den hastighet med vilken ChatGPT korrekt förutsäger ICU-indikationer kommer att beräknas.

Falskt positiv frekvens: Den takt med vilken ChatGPT förutsäger ICU-behov för patienter som inte behöver ICU-inläggning kommer att utvärderas.

Falsk negativ frekvens: Hastigheten med vilken ChatGPT förutsäger inget ICU-behov för patienter som behöver ICU-inläggning kommer att analyseras.

Kappa-statistik: Överensstämmelsen mellan ChatGPT-förutsägelser och kliniska beslut kommer att mätas.

ROC-kurva och AUC: Prestandan för ChatGPT kommer att utvärderas med hjälp av ROC-kurvan och AUC.

Fallrapportformuläret som används för varje patient säkerställer detaljerad och systematisk datainsamling av klinisk information, i syfte att meningsfullt jämföra anpassningen av ChatGPT:s förutsägelser med kliniska beslut.