Generative Artificial Intelligence to Transform Inpatient Discharge Summaries To Patient-Friendly Language and Format
将患者友好型摘要限制为1页长度，并选择了问答格式
友好摘要元素：入院日期、出院日期、入院原因、现病史、住院经过、诊断、手术程序和主治医生。
需要排出的元素：账单和编码表、入院来源、诊断检查、接诊医生以及出院状况
如何得到的这个结论：审查了机构的出院摘要标准、查阅学术文献
提示语是在生成式AI系统中用于转换原始的出院摘要为更易理解的患者友好版本的脚本框架
为评估可读性，使用了Flesch-Kincaid可读性测试，包括Flesch-Kincaid阅读容易度评分和Flesch-Kincaid阅读年级水平，两者均根据词语和句子长度来估计英文文本的理解难度。测试根据句子的长度和每个单词的音节数来计算文本的可读性
Flesch-Kincaid Grade Level = 0.39 * (总词数 / 总句子数) + 11.8 * (总音节数 / 总词数) – 15.59
黄氏可读性公式是专门用于中文文本可读性评估的一个公式，类似于Flesch-Kincaid公式
R=0.158×平均句子长度+0.068×平均词语长度+0.184×生僻词比例
为评估可理解性，使用了患者教育材料评估工具（PEMAT）的可理解性量表。可理解性量表侧重于与清晰度、组织结构、布局和视觉辅助工具使用相关的19个方面。
每份出院摘要由两名住院医生独立审阅，准确性采用6分制进行评估
关于准确性，100份审查中的54份给出了最高评分。没有审查给出完全错误的评价，只有1份审查评为“错误多于正确”。最高准确性评分的一致性较低，仅为48%。对于未获得最高准确性评分的46份审查中，18份（39.1%）被认为存在潜在的安全风险。