Tinjauan Pustaka dan Farmasi Berbasis Bukti

Keuntungan:

• Kemampuan untuk menyusun pertanyaan klinis dan melakukan tinjauan literatur, ringkasan dan kompilasi bukti dengan kecerdasan buatan
• Kemampuan untuk mengelola risiko referensi palsu (halusinasi) dengan mengonfirmasi setiap sumber yang diberikan oleh kecerdasan buatan dengan DOI dan artikel asli
• Kemampuan membaca abstrak AI secara kritis, menilai tingkat bukti, konflik kepentingan, dan ketepatan waktu

Farmasi merupakan profesi yang ilmunya terus diperbarui; Dosis atau rekomendasi yang diketahui dengan benar kemarin dapat berubah dengan adanya penelitian baru. Farmasi berbasis bukti berarti menjawab pertanyaan dengan bukti ilmiah terkini dan dapat diandalkan. Namun literatur ilmiah sangat banyak dan tersebar; Sangat mudah untuk kewalahan oleh ratusan artikel saat mencari jawaban atas sebuah pertanyaan. Kecerdasan buatan adalah bantuan pemindaian dan peringkasan yang ampuh di sini: membantu menyusun pertanyaan, menghasilkan istilah pencarian, meringkas teks yang panjang. Namun kesalahan paling berbahaya dari kecerdasan buatan justru ada di bidang ini: ia dapat membuat artikel dan DOI yang tidak ada. Dalam unit ini, Anda akan belajar menggunakan kecerdasan buatan sebagai alat yang aman dan tervalidasi dalam tinjauan literatur.

Langkah-langkah pendekatan berbasis bukti

Pertanyaan berbasis bukti dijawab dengan langkah-langkah berikut:

1. Susun pertanyaannya. Pertanyaan klinis yang baik sering kali dibingkai dengan kerangka PICO: Pasien/Populasi (Pasien), Intervensi, Perbandingan, Hasil. Contoh: “Bagaimana pengaruh obat X (I) terhadap risiko hipoglikemia (O) dibandingkan obat Y (C) pada lansia diabetes tipe 2 (P)?”
2. Carilah bukti. Cari database dan sumber daya yang sesuai.
3. Evaluasi buktinya. Jenis penelitian, kualitas, ukuran sampel dan risiko bias.
4. Terapkan dan pantau. Sesuaikan temuan dengan konteks pasien.

AI sangat cepat pada langkah 1 dan 3 (menyusun pertanyaan dan membantu mengevaluasi teks); namun langkah 2 (sumber) memerlukan verifikasi kritis.

hierarki bukti

Tidak semua bukti sama. Hierarki umum:

Tingkat bukti

contoh

kekuatan

tertinggi

Tinjauan sistematis, meta-analisis

Kombinasi beberapa penelitian

tinggi

Uji coba terkontrol secara acak (RCT)

Terkendali, bias rendah

sedang

Kelompok, kontrol kasus

Observasional, risiko faktor perancu

rendah

Seri kasus, pendapat ahli

Generalisasi terbatas

terendah

Konten web yang bersifat anekdot dan belum diverifikasi

Nilai pembuktian buruk

Saat merangkum suatu temuan, AI mungkin mengacaukan tingkat bukti atau menyajikan sumber yang lemah sebagai sumber yang kuat. Anda selalu mengontrol levelnya.

Selain itu, mungkin terdapat penelitian yang bertentangan mengenai subjek yang sama. AI terkadang hanya dapat menyorot satu sisi dan mengabaikan sisi lainnya; ini disebut "presentasi selektif". Penilaian bukti yang kuat mencari tren umum dalam topik tersebut (kesamaan yang dimiliki banyak penelitian) dan tinjauan sistematis terkini jika tersedia. Mengubah praktik berdasarkan studi tunggal, terutama studi dengan sampel kecil atau pusat tunggal, adalah hal yang berisiko. Menanyakan kepada AI “apakah ada temuan yang bertentangan mengenai masalah ini, pihak mana yang memiliki bukti lebih kuat” adalah cara yang baik untuk menyeimbangkan ringkasan yang sepihak; Namun penimbangan akhir dilakukan oleh Anda dengan membaca sumber aslinya.

Perhatian: AI dapat menghasilkan referensi yang sepenuhnya dibuat-buat dengan judul, nama penulis, jurnal, dan DOI yang realistis; ini disebut "halusinasi referensi". Jangan pernah mengutip sumber tanpa membuka DOI di database/jurnal asli dan melihat isinya.

tiga kasus mini

Kasus 1 — DOI Buatan-buatan. Seorang apoteker meminta AI sebagai sumber efektivitas suatu obat; kecerdasan buatan menghasilkan tiga artikel dan DOI. Ketika apoteker mencoba membuka DOI, dia menemukan dua DOI tidak sesuai dengan catatan apa pun; yang satu nyata tetapi melaporkan hasil yang berbeda. Apoteker hanya menggunakan artikel sebenarnya yang telah diverifikasinya. Tanpa verifikasi, dua sumber fiktif akan dimasukkan dalam satu laporan.

Kasus 2 — Telusuri dengan PICO. Seorang apoteker sedang meneliti perbandingan keamanan dua obat penghilang rasa sakit pada lansia. Dia meminta AI untuk membuang pertanyaan tersebut ke PICO dan menghasilkan istilah pencarian. AI memberikan istilah dan sinonim yang jelas; Dengan ini, apoteker sendiri melakukan pencarian sebenarnya di database terkenal dan mengevaluasi hasilnya. Kecerdasan buatan telah mempercepat pencarian; Apoteker menemukan sumbernya dan membacanya.

Kasus 3 — Distorsi ringkasan. Seorang apoteker memiliki artikel nyata yang dirangkum oleh kecerdasan buatan. Abstrak menyatakan bahwa penelitian ini menunjukkan “superioritas yang jelas”; namun artikel itu sendiri mengatakan bahwa hasilnya "tidak mencapai signifikansi statistik". Apoteker membaca teks aslinya, memperhatikan distorsinya, dan mengoreksi ringkasannya. Ringkasan AI telah dilebih-lebihkan; Kembali ke sumbernya mengungkapkan kebenaran.

Kasus 4 — Topiknya hilang. Seorang apoteker menerima informasi dari kecerdasan buatan tentang rekomendasi penggunaan suatu obat. Jawabannya tampak masuk akal, namun didasarkan pada panduan beberapa tahun lalu; Namun, rekomendasi tersebut telah diperbarui. Ketika apoteker membuka panduan yang diperbarui, dia melihat perbedaannya dan mengambil rekomendasi baru sebagai dasar. Karena pengetahuan AI dibekukan pada tanggal tertentu, ia tidak dapat mengetahui perubahan terkini; pemeriksaan kekinian menutup kesenjangan ini.

Penyaringan berbasis bukti langkah demi langkah

1. Bingkai pertanyaan dengan PICO. Populasi, intervensi, perbandingan, hasil.
2. Hasilkan istilah pencarian. Dapatkan kata kunci dan sinonim dari kecerdasan buatan.
3. Anda melakukan panggilan sebenarnya. Cari database/sumber terkenal; "Membuat" sumber daya menjadi AI.
4. Verifikasi setiap sumber. Buka DOI, apakah penulis/jurnal/tahun asli, apakah konten mendukung klaim tersebut?
5. Menilai tingkat bukti. Jenis pekerjaan, kualitas, konflik kepentingan, ketepatan waktu.
6. Kontekstualisasikan dan simpan. Tautan temuan ke pasien/pertanyaan, sumber catatan.

Perintah lemah / Perintah kuat

Lemah: "Apakah obat ini manjur, berikan sumbernya."

Kuat: "Susun pertanyaan klinis berikut dalam kerangka PICO: [pertanyaan]. Kemudian buat istilah pencarian dan sinonim yang efektif untuk pertanyaan itu. JANGAN mengarang sumber/artikel; beri tahu saya jenis studi apa (RCT, meta-analisis) dan database mana yang harus saya cari. Jika Anda menyebutkan sumber, beri tag 'tidak terverifikasi, harus dikonfirmasi dengan DOI'."

Dalam strong prompt, kerangka kerja, batasan dan kondisi verifikasinya jelas; AI tidak dipaksa untuk membuat sumber daya.

Empat templat yang dapat disalin

Tugas: Memasukkan pertanyaan klinis ke dalam PICO.Pertanyaan: [...]. Keluaran: P (populasi), I (interferensi), C (perbandingan), O (hasil), dan pertanyaan penelitian terstruktur satu kalimat.

Tugas: Menghasilkan istilah pencarian (sumber FITTING).Subjek: [...]. Keluaran: kata kunci + sinonim + jenis studi yang disarankan. Kredit/DOI; Katakan saja padaku bagaimana cara meneleponnya.

Tugas: Meringkas teks ini secara tidak memihak (tidak berlebihan).Teks: [artikel]. Keluaran: tujuan, metode, sampel, temuan utama, kendala, kesimpulan. Mengekspresikan hasil LEBIH KUAT dari apa yang tertulis dalam teks; menjaga ketidakpastian.

Tugas: Membuat checklist verifikasi referensi. Referensi: [...]. Urutkan berdasarkan: Pembukaan DOI? Apakah penulis/jurnal/tahun berlaku? Apakah kontennya mendukung klaim tersebut? Berapa tingkat buktinya? Apakah ada konflik kepentingan?

Kesalahan umum

• Mengutip DOI yang diberikan oleh kecerdasan buatan tanpa membukanya. Risiko halusinasi referensi adalah bahaya terbesar.
• Mengganti ringkasan dengan sumbernya. Untuk klaim kritis, seseorang harus kembali ke teks aslinya.
• Membingungkan tingkat bukti. Pendapat ahli dan meta-analisis tidak memiliki bobot yang sama.
• Melewatkan pembaruan. Penelitian yang lebih tua mungkin bertentangan dengan pedoman saat ini; Tanggalnya harus diperiksa.
• Mengabaikan konflik kepentingan. Pendanaan dan pernyataan minat mempengaruhi penafsiran.

Singkatnya

Kecerdasan buatan adalah akselerator yang ampuh untuk menyusun pertanyaan, menghasilkan istilah pencarian, dan merangkum teks panjang dalam pencarian literatur. Namun kesalahannya yang paling berbahaya, halusinasi referensial, terjadi di area ini: ia dapat menghasilkan sumber-sumber yang tampak realistis namun sebenarnya tidak ada. Jadi, lakukan pencarian sendiri, verifikasi setiap sumber dengan DOI, bandingkan abstrak dengan teks asli, dan evaluasi secara kritis tingkat buktinya. Interpretasi akhir dari bukti dan adaptasinya terhadap pasien terletak pada apoteker.

Tugas aplikasi

Pilih pertanyaan klinis dari praktik Anda sendiri dan minta AI menerjemahkannya ke dalam PICO. Ambil istilah pencarian dan lakukan pencarian sebenarnya sendiri pada database yang dikenali. Tanyakan kepada AI beberapa "sumber" tentang topik tersebut dan coba buka DOI masing-masing; Perhatikan berapa banyak yang nyata dan berapa banyak yang dibuat-buat. Terakhir, minta AI meringkas artikel sebenarnya, membandingkan ringkasan dengan hasil aslinya, dan menandai setiap distorsi.

daftar periksa

• [ ] Saya menyusun pertanyaan seputar PICO.
• [ ] Saya mengambil istilah pencarian, melakukan pencarian sebenarnya sendiri.
• [ ] Saya membuka setiap sumber dengan DOI dan memverifikasi keasliannya.
• [ ] Saya membandingkan ringkasan dengan teks aslinya.
• [ ] Saya mengevaluasi tingkat bukti dan ketepatan waktu.
• [ ] Saya telah mempertimbangkan konflik kepentingan.
• [ ] Saya telah menyimpan sumber terverifikasi.