AI生成的出院小结与传统出院小结的理解度比较：两项对照准实验平行组研究

《International Journal for Quality in Health Care》：Comprehension of an AI-generated discharge letter versus a traditional discharge letter: two controlled quasi-experimental parallel-group studies

　　摘要背景：出院信对护理连续性至关重要，但患者往往误解其内容。出院沟通不佳与用药错误、不适当的医疗使用、医院再入院相关。人工智能（AI）语言模型可能改善出院文档的清晰度和可访问性。本研究旨在比较GPT-4生成的、可访问性优化的出院信与传统出院信在理解关键出院信息方面的差异，并评估满意度及识别理解的预测因素。方法：开展两项对照准实验平行组研究。研究1在线招募成人（分析n=341），研究2涉及都灵大学医学生和护理学生（分析n=791）。分配基于年龄奇偶性。主要结局为结构化理解评分，评估诊断、治疗、检查和随访指示。次要结局包括可读性、清晰度、感知理解、组织性和满意度。使用HLS-EU-Q6评估健康素养（HL）。多元线性回归分析识别理解的预测因素。结果：接收AI生成出院信的参与者在两项研究中理解评分显著更高（研究1：中位数4 vs 2；研究2：中位数4 vs 3；均P<0.001）。调整社会人口学变量、HL和医疗背景后，差异仍有显著性。AI生成的信件也改善所有次要结局（均P<0.001）。随访预约日期识别无显著改善。较高理解与医疗背景、高学历、足够HL和较好感知健康状态相关。结论：AI生成的出院信显著改善一般和高素养人群的理解和满意度；需要使用真实临床信件和多样化患者进行验证。关键词：出院信，人工智能，健康素养，患者理解，出院，患者沟通，出院总结，生成式人工智能