介護の質を評価するための大規模言語モデルの活用: ADHD(注意欠陥多動性障害)投薬副作用のモニタリング【JST機械翻訳】

Bannett, Y.; Gunturkun, F.; Pillai, M.; Herrmann, J. E.; Luo, I.; Huffman, L. C.; Feldman, H. M.

プレプリント

J-GLOBAL ID：202402209245668010 整理番号：24P0111007

介護の質を評価するための大規模言語モデルの活用: ADHD(注意欠陥多動性障害)投薬副作用のモニタリング【JST機械翻訳】

Leveraging a Large Language Model to Assess Quality-of-Care: Monitoring ADHD Medication Side Effects

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2024年04月24日プレプリントサーバーでの情報更新日： 2024年04月24日
JST資料番号： O7002B 資料種別：プレプリント
記事区分：プレプリント言語：英語 (EN)

【目的】注意欠陥多動性障害(ADHD)の小児に対する投薬を処方した後の副作用をモニターするための診療ガイドラインに対する臨床医の遵守を測定する際の大規模言語モデル(LLM)の精度を評価する。【方法】電子健康記録の遡及的集団ベースコホート研究。コホートは,地域密着一次医療ネットワーク(n=1247)における2015~2022年の間のADHD診断の6~11歳の子供とADHD投薬遭遇(処方された刺激薬または非刺激薬);副作用調査の文書を同定するため,著者らは,クリニック内/テレヘルスおよび電話遭遇(n=15593記録)を含むADHD関連遭遇(ADHD診断またはADHD投薬処方)からのすべての臨床記録に関してオープンソースLLM(LLaMA)を訓練,試験,配備した。モデル性能をホールドアウトと展開試験セットを用いて評価し,マニュアルチャートレビューと比較した。【結果】LLaMAモデルは,副作用調査(感度=87.2%,特異性=86.3/90.3%,曲線下面積(AUC)=0.93/0.92,ホールドアウト/展開試験セット)を含む記録を分類する際に優れた性能を達成した。分析は,患者の年齢,性別,または保険に関連するモデルバイアスを明らかにしなかった。最初の処方での平均年齢(SD)は,8.8(1.6)歳であった。患者特性は,文書化された副作用質問の有無にかかわらない患者間で類似していた。記録された副作用調査の割合は,診療所/遠隔医療遭遇よりも電話遭遇で低かった(51.9%対73.0%,p<0.01)。刺激薬処方後の遭遇の61%と非刺激薬処方後の遭遇の48%で副作用調査を記録した(p<0.01)。結論:電話ノートを含む臨床ノートの可変セットにLLMを配備すると,プライマリーケアにおける精神薬理学的投薬管理を改善するケアの質のスケーラブルな測定を提供し,機会を明らかにした。【JST機械翻訳】

, , , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

精神障害の薬物療法 , 向精神薬の臨床への応用

, , , , , , , ,

ライセンス情報：

前のページに戻る