搜尋結果

使用者輸入 risk of bias 使用 LLM 來執行 (時間範圍: all)
轉換句 LLM for risk of bias assessment, Using LLM in bias evaluation, Applying LLM for bias risk analysis
執行時間 3.64109 秒
花費Token 124
Assessing the Risk of Bias in Randomized Clinical Trials With Large Language Models.
使用大型語言模型評估隨機臨床試驗的偏倚風險。 JAMA Netw Open / / 2024-05-22

這項研究探討使用大型語言模型（LLMs）來評估隨機臨床試驗（RCTs）中的偏見風險。兩個LLMs在30個RCTs上進行測試，顯示高正確評估率。LLM 2的準確度略高於LLM 1。這兩個模型在評估RCTs時表現出良好的一致性和效率，顯示它們在系統性回顧過程中具有潛力作為支援工具。 PubMed DOI

Streamlining Systematic Reviews: Harnessing Large Language Models for Quality Assessment and Risk-of-Bias Evaluation.
利用大型語言模型優化系統性文獻回顧：品質評估與偏倚風險評估。 Cureus / / 2023-09-08

這篇文章討論了如何巧妙運用大型語言模型（LLMs）來評估研究質量和偏見風險，取代傳統耗時且需大量人力的方式。雖然LLMs能提供客觀、一致且高效的評估，但仍需謹慎因應機器學習模型可能帶來的風險和偏見。結合人類專業知識與自動化LLM評估，或許是最佳的證據綜合方式。 PubMed DOI

Integrating large language models in systematic reviews: a framework and case study using ROBINS-I for risk of bias assessment.
將此醫學文章的標題翻譯為繁體中文：「將大型語言模型整合到系統性評論中：以 ROBINS-I 進行偏倚風險評估的框架和案例研究。」 BMJ Evid Based Med / / 2024-02-21

研究評估了GPT-4語言模型在偏見評估上與人類審查者的一致性，提出了在系統性評論中運用此模型的框架。研究發現在某些偏見評估領域存在中等一致性。提出的框架包括系統性評論的理念、協議、執行和報告，並確定了評論的任務類型。雖然模型有潛力，但研究結果顯示仍需人類審查輸入。 PubMed DOI

Assessing Risk of Bias Using ChatGPT-4 and Cochrane ROB2 Tool.
使用ChatGPT-4和Cochrane ROB2工具評估偏倚風險。 Med Sci Educ / / 2024-06-18

在醫學研究中，系統性回顧至關重要但耗時費力。ChatGPT-4和自動化改變了這情況，加快了過程並提高了可靠性。ChatGPT-4是智能助手，可快速評估研究中的偏見風險，改變了這領域，潛在挽救生命。雖需人類監督，但ChatGPT-4和自動化助力下，循證醫學前景光明。 PubMed DOI

Hierarchical network meta-analysis models for synthesis of evidence from randomised and non-randomised studies.
階層式網絡荟萃分析模型用於整合隨機和非隨機研究的證據。 BMC Med Res Methodol / / 2023-09-19

研究探討不同的網絡荟萃分析（NMA）模型，結合非隨機化數據與隨機對照試驗（RCTs），解決研究設計差異和未測量混雜因素引起的偏差。以2型糖尿病為例，發現觀察性數據影響估計值，但提高普遍性。考慮研究設計差異的NMA模型提供更準確結果，雖增加不確定性，但有助於防止過於樂觀的結論。 PubMed DOI

Exploring variability in risk taking with large language models.
使用大型語言模型探索風險承擔的變異性。 J Exp Psychol Gen / / 2024-05-02

心理學家利用心理測量方法研究不同情境下個人風險行為的差異。文章提出結合大型語言模型（LLMs）來量化風險行為和決策模型，以解釋行為和個人之間的相關性。這種方法可預測行為、解釋原因，並用心理術語解釋，提供對日常行為異質性的洞察。 PubMed DOI

Simulated Misuse of Large Language Models and Clinical Credit Systems.
大型語言模型和臨床信用系統的模擬濫用。 medRxiv / / 2024-04-22

LLMs在醫療保健領域被廣泛應用，但可能存在濫用風險，如不公平資源分配或侵犯公民權利。報告探討了這些風險並提出因應策略。 PubMed DOI