Ağrı, yüksek yaygınlığı ve yaşam kalitesi üzerindeki önemli olumsuz etkisi nedeniyle dünya çapında büyük bir halk sağlığı sorunudur. Yapay zekâ (YZ) tabanlı sohbet robotları, sağlıkla ilgili bilgilere erişmek için giderek daha fazla kullanılmaktadır; ancak, bu sistemler tarafından sağlanan ağrı ile ilgili bilgilerin okunabilirliği, kalitesi, güvenilirliği ve klinik uygulama kılavuzlarıyla uyumu hakkındaki kanıtlar sınırlı ve heterojendir. Bu derleme, ağrı alanında YZ tabanlı sohbet robotları tarafından üretilen yanıtları okunabilirlik, bilgi kalitesi, güvenilirlik ve klinik uygulama kılavuzlarına uyum açısından değerlendiren mevcut literatürü kapsamlı bir şekilde incelemeyi amaçlamıştır. 2024 ve 2025 yılları arasında yayınlanan ve YZ sohbet robotlarının ağrı ile ilgili sorulara verdiği yanıtları değerlendiren çalışmalar analiz edildi. ChatGPT, Gemini, Perplexity, DeepSeek ve diğer büyük dil modelleri değerlendirildi. Okunabilirlik, Flesch Okuma Kolaylığı, Flesch-Kincaid Sınıf Düzeyi ve SMOG endeksleri kullanılarak değerlendirilirken, bilgi kalitesi ve güvenilirliği DISCERN, JAMA Kriterleri, EQIP ve Küresel Kalite Puanı kullanılarak değerlendirildi. Klinik kılavuzlara uyum, ilgili ulusal ve uluslararası önerilerle karşılaştırmalar yoluyla incelendi. İncelenen çalışmalar, yapay zekâ modellerinin genel olarak ağrı hakkında doğru temel bilgiler sağladığını göstermiştir. Bununla birlikte, çoğu yanıt, hasta eğitim materyalleri için önerilen okunabilirlik seviyelerini aşmıştır. Bilgi kalitesi ve güvenilirliği genellikle orta düzeyde olarak değerlendirilmiş olup, tedavi riskleri, alternatif seçenekler ve kaynak şeffaflığı tartışmalarında eksiklikler bildirilmiştir. Klinik kılavuzlara uyum genel prensipler düzeyinde kabul edilebilir olsa da, tanısal ayrıntılarda ve tedavi sıralamasında tutarsızlıklar tespit edilmiştir. Yapay zekâ tabanlı sohbet robotları, ağrı ile ilgili bilgiler için destekleyici araçlar olarak potansiyel gösterse de, klinik karar verme veya birincil hasta eğitimi için bağımsız kaynaklar olarak mevcut kullanımları sınırlıdır. Bu sistemlerin güvenli kullanımı için insan gözetimi ve sağlık okuryazarlığına uygun içerik üretimi şarttır.
Building similarity graph...
Analyzing shared references across papers
Loading...
İlhan Celil Özbek
Sağlık Bilimleri Üniversitesi
Erkan Özduran
Sivas Cumhuriyet Üniversitesi
Volkan Hancı
Dokuz Eylül University
Dokuz Eylül University
Kocaeli Üniversitesi
Sağlık Bilimleri Üniversitesi
Building similarity graph...
Analyzing shared references across papers
Loading...
Özbek et al. (Tue,) studied this question.
synapsesocial.com/papers/69f6e5618071d4f1bdfc61f1 — DOI: https://doi.org/10.29058/mjwbs.1881313