基于人工智能的诊断试验准确性研究(三):方法学评价与报告规范

针对基于人工智能的诊断试验准确性研究,本文总结了其方法学质量评价工具,并简要介绍QUADAS-AI和改良的QUADAS-2工具。此外,总结了此类研究的报告规范,并简要介绍人工智能研究报告清单以及口腔医学人工智能研究清单。

网状Meta分析证据缺失偏倚风险评价工具ROB-MEN中文解读

研究结果的选择性不报告和发表偏倚影响系统评价和Meta分析的效度,进而影响临床决策的制定。目前缺乏严格的方法评价网状Meta分析证据缺失偏倚风险。本文介绍网状Meta分析证据缺失偏倚风险评价工具ROB-MEN的主要内容,包括其工具表格、操作过程以及相关信号问题等。ROB-MEN工具的关键内容是两两比较表和ROB-MEN表,可应用于干预措施多、网络结构复杂的网状Meta分析,避免偏倚风险评价过程耗时久且耗费大量人力物力。同时ROB-MEN具有逻辑清晰、细节严谨、可用性强等优点,是首个评价网状Meta分析证据缺失偏倚风险的工具,可为临床研究者提供权威参考,值得推广和应用。

临床工程管理概论通识课程建设探索与实践

随着分子影像、人工智能、大数据等新技术与医疗装备融合,具备跨学科知识和技能的临床工程人才在医疗领域中的作用日益凸显。四川大学华西临床医学院于2018年面向全校本科生开设临床工程管理概论通识课程。为响应国家教育改革战略,课程由单一理论授课模式转向为“自主、合作、探究”模式,丰富了师资团队并优化教学考核。随着5年来的课程实践,选课人数持续增长,涉及学科领域愈加广泛,学生评教良好。该课程的探索与实践为培养临床工程人才提供了新的策略。

国内外临床工程学科的人才培养及认证

随着科学技术的发展,大量先进技术应用到医疗装备,在临床工程中发挥越来越重要的作用,对医院临床工程及临床工程师也提出新的要求。本文全面分析全球多个国家临床工程的培养目标和认证考核,并结合我国的目前状况,对我国现阶段临床工程的学科建设和认证考核提供借鉴,促进我国临床工程的发展,加快与国际临床工程发展与认证接轨。

基于机器学习的诊断性试验准确性研究(一):研究设计

随着人工智能的发展,机器学习在疾病诊断方面的运用逐渐广泛,对于基于机器学习的诊断性试验准确性研究,如何合理评估模型的性能对提升诊断准确性至关重要。本研究为系列方法学研究之一,首先从靶疾病、受试者选择、诊断性试验、参考标准、伦理等方面介绍了基于机器学习的诊断性试验准确性研究的设计原则。

基于机器学习的诊断试验准确性研究(二):测量指标

与传统的诊断方法相比,基于机器学习的诊断试验测量指标也有一定的差异。本文对目前机器学习诊断模型常用测量指标的定义、计算方法以及相关的统计推断进行详细阐述。希望对临床研究者有所裨益,使之能更好地评价机器学习诊断模型。

不报告偏倚风险评价工具ROB-ME中文解读

本文介绍不报告偏倚(证据缺失偏倚)风险评价工具ROB-ME的主要内容,包括其制订背景、适用范围、相关信号问题以及决策路径等。ROB-ME工具具有逻辑清晰、细节完善、操作简便、适用性良好等优点,在评价不报告偏倚风险方面具有相当大的优势,可为临床研究者提供权威参考,值得推广和应用。