แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ยาก ระดับ
AI ในแบบทดสอบการทำนายความเสี่ยงการฆ่าตัวตาย
ทดสอบปัญหาอัตราฐานเบื้องหลังค่าคาดการณ์เชิงบวกต่ำ เกณฑ์ตามความจุ และการเข้าถึงอย่างมีจริยธรรมและไม่บีบบังคับ หลังจากแฟล็กความเสี่ยง
คำถาม 1 ของ 8
A model with 90 percent sensitivity and specificity is applied where 100 of 100,000 patients attempt suicide. Roughly what share of flagged patients will actually attempt?
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- A model with 90 percent sensitivity and specificity is applied where 100 of 100,000 patients attempt suicide. Roughly what share of flagged patients will actually attempt?
- About 90 percent
- ประมาณร้อยละ 50
- Under 1 percent
- About 10 percent
- According to the guide, what are suicide risk models best understood as?
- Tools that identify who will die by suicide
- Tools for prioritizing limited clinical attention
- Replacements for clinical assessment
- Legal evidence for involuntary commitment
- Roughly what share of risk scores does the VA's REACH VET program flag for review?
- The top 50 percent
- The top 10 percent
- The top 0.1 percent
- Every veteran with a mental health diagnosis
- เหตุใดระบบสุขภาพจึงมักกำหนดเกณฑ์การตั้งค่าสถานะตามความจุ
- ดังนั้นพวกเขาจึงติดธงเฉพาะคนไข้มากที่สุดเท่าที่เจ้าหน้าที่จะสามารถติดต่อได้อย่างมีความหมายเท่านั้น
- เนื่องจากหน่วยงานกำกับดูแลต้องการแฟล็ก 100 รายการต่อเดือน
- เพื่อเพิ่มจำนวนผลบวกลวงให้สูงสุด
- เนื่องจากแบบจำลองไม่สามารถสร้างคะแนนต่ำกว่าค่าที่ตั้งไว้ได้
- การตอบสนองต่อธงความเสี่ยงใดที่เหมาะกับหลักปฏิบัติทางจริยธรรมที่อธิบายไว้ในคู่มือนี้
- แบ่งปันธงให้กับนายจ้างของผู้ป่วย
- การลงพื้นที่โดยสมัครใจ การวางแผนความปลอดภัย และการอภิปรายเกี่ยวกับการจัดเก็บเครื่องมือที่อันตรายถึงชีวิตอย่างปลอดภัย
- ยกเลิกใบอนุญาตอาวุธปืนของผู้ป่วยโดยอัตโนมัติ
- ไม่บอกคนไข้หรือแพทย์อะไรทั้งสิ้น
- การสอบเทียบมีความหมายอย่างไรสำหรับแบบจำลองความเสี่ยงในการฆ่าตัวตาย
- โมเดลทำงานเร็วแค่ไหน
- ระดับความเสี่ยงที่คาดการณ์ไว้ตรงกับอัตราที่สังเกตหรือไม่ เช่น การทำนาย 2 เปอร์เซ็นต์ที่สอดคล้องกับการสังเกตประมาณ 2 เปอร์เซ็นต์
- แบบจำลองจะจัดอันดับผู้ป่วยตามลำดับหรือไม่
- โมเดลใช้ตัวแปรจำนวนเท่าใด
- เหตุใดโมเดลเหล่านี้จึงต้องมีการตรวจสอบความถูกต้องใหม่เป็นระยะ
- การเปลี่ยนแปลงในการเขียนโค้ด ขั้นตอนการทำงานในการคัดกรอง หรือรูปแบบการดูแลสามารถลดประสิทธิภาพลงอย่างเงียบๆ
- ลิขสิทธิ์ซอฟต์แวร์หมดอายุทุกปี
- ชื่อผู้ป่วยเปลี่ยนไป
- การตรวจสอบซ้ำจะเพิ่มอัตราการฆ่าตัวตายขั้นพื้นฐาน
- คู่มือนี้อธิบายว่าหลักฐานประเภทใดแข็งแกร่งที่สุดสำหรับโปรแกรมเหล่านี้
- มีความแม่นยำย้อนหลังสูงในบันทึกทางประวัติศาสตร์
- สื่อการตลาดของผู้ขาย
- การประเมินในอนาคตแสดงให้เห็นว่าการเผยแพร่ที่กระตุ้นด้วยธงช่วยลดความพยายาม
- ตัวแปรอินพุตจำนวนมาก