تمرین مبتنی بر شواهد: بررسی ادبیات و شواهد

سود:

• توانایی ساختار یک سوال بالینی (PICO) و استفاده از هوش مصنوعی به عنوان ابزار شروع در غربالگری شواهد
• امکان تایید صحت، ارز و سطح شواهد منابع هوش مصنوعی از منابع مستقل
• توانایی تفسیر شواهد با توجه به بیمار، زمینه و تخصص بالینی و اجتناب از کاربرد کور

فیزیوتراپی مدرن مبتنی بر تمرین مبتنی بر شواهد (تصمیم گیری با استفاده از بهترین شواهد فعلی، تخصص بالینی و ارزش های بیمار) است. اما دریای شواهد بسیار بزرگ است و زمان فیزیوتراپیست بسیار محدود است. هوش مصنوعی (AI) یک ابزار اولیه قدرتمند برای ساختار یک سؤال بالینی، خلاصه کردن سریع موضوع و نشان دادن کجاست. اما یک تله بزرگ در اینجا وجود دارد: هوش مصنوعی می‌تواند مقاله‌های موجود، نویسندگان و تاریخ‌های جعلی را بسازد (توهم). در این بخش، نحوه استفاده ایمن از هوش مصنوعی در غربالگری شواهد، نحوه تأیید مراجع و نحوه تطبیق شواهد با بیمار را خواهید آموخت.

پیکربندی سوال با PICO

یک بررسی شواهد خوب با یک سوال خوب شروع می شود. چارچوب PICO سؤال را به چهار بخش تقسیم می‌کند: P (بیمار/جمعیت) بیمار یا جمعیت. من (مداخله) مداخله; ج (مقایسه) مقایسه; آن (نتیجه) اندازه گیری نتیجه است. مثال: «در بزرگسالان مبتلا به کمردرد مزمن (P)، آیا تمرین کنترل حرکتی (I) درد و عملکرد (O) را بیشتر از ورزش عمومی (C) بهبود می‌بخشد؟» این ساختار هم تفکر شما را روشن می کند و هم چارچوبی متمرکز به هوش مصنوعی می دهد. هوش مصنوعی در تبدیل کنجکاوی پراکنده به PICO بسیار خوب است.

نکته: به‌جای اینکه از هوش مصنوعی بپرسید «در مورد فلانی چه می‌شود»، آن را در قالب PICO بپرسید. پرسش متمرکز پاسخ متمرکز و کمتر توهم به همراه دارد. همچنین مشخص می کند که به دنبال چه مدرکی هستید.

خطرناک ترین تله هوش مصنوعی: مرجع جعلی

مدل‌های زبان هوش مصنوعی برای تولید متن «با صدای واقعی» آموزش دیده‌اند. تا حقیقت را ندانم بنابراین او می تواند نام مجله، نویسنده، سال یا حتی شماره DOI را بسازد. اینها قانع کننده به نظر می رسند اما ممکن است وجود نداشته باشند. هیچ مرجعی نباید بدون تأیید در یک پایگاه داده مستقل (مانند PubMed، PEDro، Cochrane، سایت مجله) استفاده شود. هوش مصنوعی قطب‌نمایی است که به شما نشان می‌دهد «به کجا نگاه کنید». خود منبع نیست.

منبع شواهد

نقش هوش مصنوعی

تایید

مرور سیستماتیک / متاآنالیز

موضوع را خلاصه می کند، اصطلاحات را پیشنهاد می کند

تایید از پایگاه داده واقعی

کارآزمایی تصادفی کنترل شده

کار مرتبط را نشان می دهد

مقاله را پیدا کنید و بخوانید، جعلی بودن آن را بررسی کنید

راهنمای بالینی

پیام اصلی را پیش نویس می کند

با نسخه فعلی راهنمای رسمی مقایسه کنید

PEDro/Cochrane

ساختارهای عبارت و سؤال را جستجو کنید

امتیاز و نتیجه را از منبع تأیید کنید

سطح شواهد و ارزیابی انتقادی

همه شواهد برابر نیستند. به طور کلی، مرورهای سیستماتیک و متاآنالیزها در بالا قرار دارند و پس از آن کارآزمایی‌های تصادفی‌سازی و کنترل‌شده، سپس مطالعات مشاهده‌ای و نظرات کارشناسان در پایین‌ترین نقطه قرار دارند. هوش مصنوعی اغلب نمی‌گوید، یا به اشتباه بیان نمی‌کند که برای حمایت از یک ادعا به چه سطحی از شواهد تکیه می‌کند. وظیفه شما این است که منبع را پیدا کنید، سطح شواهد را تعیین کنید، کیفیت مطالعه (نمونه، روش، سوگیری) را ارزیابی کنید و بپرسید که آیا نتیجه در مورد بیمار شما صدق می کند یا خیر.

احتیاط: حتی اگر یک مطالعه بگوید "این کار می کند"، بیماران آن مطالعه ممکن است بسیار متفاوت از بیماران شما باشند (سن، مرحله، بیماری های همراه). به کار بردن کورکورانه شواهد به اندازه عدم استفاده از شواهد اشتباه است. شواهد + تخصص بالینی + ارزش های بیمار: هر سه با هم تصمیم می گیرند.

گام به گام: غربالگری شواهد مبتنی بر هوش مصنوعی

1. سوال را به PICO تغییر دهید. آیا هوش مصنوعی به شما کمک می کند، اما شما PICO نهایی را تایید می کنید.
2. درخواست خلاصه طرح یک نمای کلی از زمینه و اصطلاحات کلیدی را از هوش مصنوعی دریافت کنید (هنوز به منابع تکیه نکنید).
3. بررسی مراجع هر منبع را در پایگاه داده واقعی جستجو کنید. آنچه را که پیدا نمی شود دور بریز
4. سطح شواهد را تعیین کنید. طراحی و کیفیت منبع واقعی را ارزیابی کنید.
5. با بیمار سازگار شوید. آیا بیمار شما با جمعیت مورد مطالعه مطابقت دارد؟ با ذهن بالینی فیلتر کنید.
6. تصمیم و منبع را ثبت کنید. مدارک مورد اعتماد خود را به شکل قابل ردیابی مستند کنید.

سه کیف کوچک (به تعداد)

مورد 1 - مرجع جعلی. فیزیوتراپیست از هوش مصنوعی 5 منبع برای "ورزش غیرعادی در تاندیوپاتی آشیل" درخواست کرد. هوش مصنوعی 5 مرجع را که واقعی به نظر می رسید را برگرداند. در چک PubMed، 2 مورد وجود نداشت (نویسنده/سال) و 1 عنوان تغییر یافته بود. فقط 2 منبع واقعی باقی مانده است. درس: نمی توان از یک مرجع بدون تأیید استفاده کرد.

مورد 2 - سود PICO. سوال مبهم "چه چیزی برای گردن درد خوب است" با کمک هوش مصنوعی به این PICO تبدیل شد: ورزش + درمان دستی (I) در مقایسه با ورزش به تنهایی (C) و درد و عملکرد (O) در بزرگسالان مبتلا به گردن درد مکانیکی (P). پرسش‌های متمرکز غربالگری را بسیار تسریع کرد و فیزیوتراپیست به 3 بررسی سیستماتیک واقعی دست یافت.

مورد 3 - سازگاری نادرست. هوش مصنوعی نتیجه یک مطالعه را برای فاشیای کف پا خلاصه کرد. اما مطالعه روی ورزشکاران جوان بود. بیمار فیزیوتراپیست 70 ساله، دیابتی و کم تحرک بود. فیزیوتراپیست به جای اعمال مستقیم نتیجه، به دنبال شواهدی مناسب با مشخصات بیمار بود و برنامه را تطبیق داد. درس: اگر شواهد برای بیمار مناسب نیست کورکورانه اعمال نکنید.

اعلان ضعیف / اعلان قوی

ضعیف: "5 مقاله و شواهد از بهترین ورزش برای کمردرد ارائه دهید."

هوش مصنوعی می تواند ارجاعات ساختگی ایجاد کند و ادعا را بدون سطح شواهد ارائه کند.

قوی: "یک خلاصه موضوع و عبارات کلیدی احتمالی را برای PICO زیر ارائه دهید: [PICO]. اگر ارجاع می دهید، هر کدام را به عنوان "تأیید شده" برچسب بزنید و نشان دهید که ممکن است واقعی نباشد؛ DOI/سال ساختگی است. هنگام اظهار نظر در مورد سطح شواهد، بگویید حدس است. این به من بستگی دارد؛ شما نقطه شروع را به جستجو می دهید."

چهار قالب قابل کپی

وظیفه: تبدیل سوال من به فرمت PICO. سوال خام: [کنجکاوی بالینی] من می خواهم: تجزیه به P، I، C، O + 5-8 عبارت کلیدی جستجو (TR و EN). فقط سوال را ساختار دهید. مدعی شواهد نباشید

وظیفه: خلاصه ای از موضوع را برای PICO زیر ارائه دهید (من به منابع تکیه نمی کنم). PICO: [P/I/C/O]I Want: مروری بر زمینه، نکات بحث برانگیز، چه نوع منابعی را باید جستجو کنم (بررسی های سیستماتیک، راهنماها، و غیره). اگر مرجع ارائه می کنید، هر یک را با برچسب "تأیید شده" بچسبانید. DOI/سال جعلی ندهید.

وظیفه: این فهرست منابع را به یک طرح راستی‌آزمایی ترجمه کنید. فهرست: [منابع ارائه‌شده توسط هوش مصنوعی] من می‌خواهم: برای هر منبع، نحوه جستجو در کدام پایگاه داده (PubMed/PEDro/Cochrane) + یادداشت کنید «تا زمانی که صحت تأیید نشده استفاده نشود» را بنویسید.

وظیفه: این خلاصه مطالعه را با بیمارم تطبیق دهید. خلاصه مطالعه: [خلاصه + جمعیت] بیمار من: [سن، تشخیص، مرحله، بیماری همراه] من می‌خواهم: تفاوت بین جمعیت مورد مطالعه و بیمارم + هشدارهایی در مورد اینکه آیا نتیجه مستقیماً قابل اجرا است یا خیر. این به من بستگی دارد.

دستورالعمل های بالینی و منابع قابل اعتماد

عملی ترین منبع شواهد برای فیزیوتراپیست اغلب مقالات فردی نیست، بلکه دستورالعمل های عمل بالینی و مرورهای سیستماتیک است. دستورالعمل‌ها شواهد موجود در یک زمینه را به توصیه‌های قابل اجرا تبدیل می‌کنند که توسط کمیته‌های متخصص فیلتر می‌شوند. این باعث صرفه جویی در وقت شما می شود و مانع از گرفتار شدن شما در نتایج گمراه کننده یک مطالعه می شود. برای شواهد خاص فیزیوتراپی، PEDro (پایگاه داده‌های کارآزمایی‌های تصادفی‌شده فیزیوتراپی) و مرورهای کاکرین نقطه شروع قابل اعتمادی هستند. از هوش مصنوعی به عنوان پلی برای رسیدن به این منابع استفاده کنید: بپرسید «چه راهنماهای فعلی و مرورهای سیستماتیکی را باید در این موضوع بررسی کنم»، سپس منابعی را که هوش مصنوعی در سایت های واقعی خود به آنها اشاره می کند تأیید کنید. به این ترتیب، هم خطر توهم را کاهش می دهید و هم با سطح بالاتری از شواهد کار می کنید.

نکته: قبل از پذیرش یک ادعا، از خود بپرسید "راهنمای فعلی در این مورد چه می گوید؟" دستورالعمل ها هم شواهد را خلاصه می کنند و هم نکات بحث برانگیز را برجسته می کنند. این زمین بسیار محکم تر از یک مطالعه است.

اشتباهات رایج

• عدم تایید مراجع هوش مصنوعی می تواند منابع جعلی تولید کند که واقعی به نظر می رسند.
• رد شدن از سطح شواهد هر ادعایی وزن یکسانی ندارد. طراحی منبع مهم است.
• پرسیدن سوالات بدون تمرکز سوالاتی مانند "چه خوب" پاسخی پراکنده و توهم آمیز به همراه دارد.
• استفاده کورکورانه از شواهد اگر جمعیت مورد مطالعه با بیمار مطابقت نداشته باشد، نتیجه ممکن است معتبر نباشد.
• اشتباه گرفتن خلاصه هوش مصنوعی به عنوان یک منبع. خلاصه AI قطب نما است. خود منبع نیست.
• عدم بررسی به روز رسانی یک دستورالعمل قدیمی ممکن است با شواهد فعلی در تضاد باشد.

به طور خلاصه

هوش مصنوعی یک ابزار شروع با ارزش در غربالگری شواهد برای ساختار سوال (PICO)، خلاصه کردن موضوع و نشان دادن کجاست. اما او می تواند مراجع بسازد. هیچ منبعی را نمی توان بدون تأیید در یک پایگاه داده مستقل استفاده کرد. سطح شواهد را خودتان تعیین کنید، کیفیت مطالعه را ارزیابی کنید و نتیجه را با خرد بالینی با بیمار خود تطبیق دهید. شواهد، تخصص بالینی و ارزش های بیمار با هم تصمیم می گیرند.

وظیفه کاربردی

علاقه بالینی را انتخاب کنید. با الگوی اول به PICO تبدیل کنید، با الگوی دوم خلاصه طرح را دریافت کنید. اگر به هوش مصنوعی اشاره شده است، برنامه‌ریزی کنید تا با الگوی سوم تأیید کنید و حداقل یک مرجع را در یک پایگاه داده واقعی جستجو کنید (اگر آن را پیدا کردید توجه کنید). در نهایت، با الگوی چهارم، یک خلاصه مطالعه را با بیمار خود تطبیق دهید.

چک لیست

• [ ] من سوالم را در قالب PICO ساختار دادم.
• [ ] من ارجاعات هوش مصنوعی را در برابر یک پایگاه داده مستقل تأیید کردم و ساختگی ها را حذف کردم.
• [ ] من سطح و کیفیت شواهد هر منبع را ارزیابی کردم.
• [ ] من اعتبار اثبات را بررسی کردم.
• [ ] من با خرد بالینی نتیجه را با مشخصات بیمارم تطبیق دادم.
• [ ] من تصمیم و منبع آن را به صورت قابل ردیابی ثبت کرده ام.