stanfordaimlab/anesthesia_literacy

该数据集是麻醉素养项目的一部分，旨在利用大型语言模型（LLMs）提高术前患者指导的可读性。研究特别使用OpenAI的GPT-3.5和GPT-4将这些指导调整到6年级阅读水平，符合美国医学协会的建议。数据集包含转换和分析这些指导可读性的脚本，以及验证其准确性的脚本。结果显示，GPT-4在不影响内容准确性或全面性的情况下，显著提高了可读性。

原始信息汇总

数据集概述

基本信息

• 许可证: cc-by-nc-sa-4.0
• 名称: Dataset - Large Language Models Improve Readability of Preoperative Patient Instructions
• 任务类别:
  • 总结
  • 文本生成
• 语言: 英语
• 标签: 医学
• 大小类别: n<1K

研究内容

• 研究目的: 探索大型语言模型（如OpenAI的GPT-3.5和GPT-4）提高术前患者指导的可读性，目标是将阅读水平降低至美国医学协会推荐的6年级水平。
• 研究背景: 考虑到近40%的美国成年人健康素养基本或以下，以及现有医疗指导与患者素养之间的差距。
• 研究方法: 比较了来自主要学术医疗中心的常规术前指导与通过GPT-3.5和GPT-4增强的版本，使用Flesch-Kincaid Grade Level等可读性评估公式进行评估。
• 研究结果: GPT-4在保持内容准确性和全面性的同时，显著优于基线文本和GPT-3.5，生成的指导文本持续低于6年级阅读水平。
• 未来方向: 需要进一步研究不同语言和开发符合HIPAA标准的开源LLMs，以整合到电子健康记录中，适用于个性化的围手术期医学。

数据集内容

• 脚本:
  • 转换AVS为增强版本的脚本（main.ipynb）
  • 执行可读性分析的脚本
  • 准备人类验证准确性分析的脚本

安装与使用

• 克隆仓库: bash git clone https://github.com/stanfordaimlab/anesthesia-literacy.git

• 安装依赖: bash pip install -r requirements.txt

• 运行笔记本: bash cd anesthesia-literacy jupyter main.ipynb