แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ยาก ระดับ

AI ในแบบทดสอบการทำนายความเสี่ยงการฆ่าตัวตาย

ทดสอบปัญหาอัตราฐานเบื้องหลังค่าคาดการณ์เชิงบวกต่ำ เกณฑ์ตามความจุ และการเข้าถึงอย่างมีจริยธรรมและไม่บีบบังคับ หลังจากแฟล็กความเสี่ยง

เส้นทางแนะนำที่เกี่ยวข้องAI ในการทำนายความเสี่ยงต่อการฆ่าตัวตาย
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

  1. 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
  2. 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
  3. 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
  4. เหตุใดระบบสุขภาพจึงมักกำหนดเกณฑ์การตั้งค่าสถานะตามความจุ
    • ดังนั้นพวกเขาจึงติดธงเฉพาะคนไข้มากที่สุดเท่าที่เจ้าหน้าที่จะสามารถติดต่อได้อย่างมีความหมายเท่านั้น
    • เนื่องจากหน่วยงานกำกับดูแลต้องการแฟล็ก 100 รายการต่อเดือน
    • เพื่อเพิ่มจำนวนผลบวกลวงให้สูงสุด
    • เนื่องจากแบบจำลองไม่สามารถสร้างคะแนนต่ำกว่าค่าที่ตั้งไว้ได้
  5. การตอบสนองต่อธงความเสี่ยงใดที่เหมาะกับหลักปฏิบัติทางจริยธรรมที่อธิบายไว้ในคู่มือนี้
    • แบ่งปันธงให้กับนายจ้างของผู้ป่วย
    • การลงพื้นที่โดยสมัครใจ การวางแผนความปลอดภัย และการอภิปรายเกี่ยวกับการจัดเก็บเครื่องมือที่อันตรายถึงชีวิตอย่างปลอดภัย
    • ยกเลิกใบอนุญาตอาวุธปืนของผู้ป่วยโดยอัตโนมัติ
    • ไม่บอกคนไข้หรือแพทย์อะไรทั้งสิ้น
  6. การสอบเทียบมีความหมายอย่างไรสำหรับแบบจำลองความเสี่ยงในการฆ่าตัวตาย
    • โมเดลทำงานเร็วแค่ไหน
    • ระดับความเสี่ยงที่คาดการณ์ไว้ตรงกับอัตราที่สังเกตหรือไม่ เช่น การทำนาย 2 เปอร์เซ็นต์ที่สอดคล้องกับการสังเกตประมาณ 2 เปอร์เซ็นต์
    • แบบจำลองจะจัดอันดับผู้ป่วยตามลำดับหรือไม่
    • โมเดลใช้ตัวแปรจำนวนเท่าใด
  7. เหตุใดโมเดลเหล่านี้จึงต้องมีการตรวจสอบความถูกต้องใหม่เป็นระยะ
    • การเปลี่ยนแปลงในการเขียนโค้ด ขั้นตอนการทำงานในการคัดกรอง หรือรูปแบบการดูแลสามารถลดประสิทธิภาพลงอย่างเงียบๆ
    • ลิขสิทธิ์ซอฟต์แวร์หมดอายุทุกปี
    • ชื่อผู้ป่วยเปลี่ยนไป
    • การตรวจสอบซ้ำจะเพิ่มอัตราการฆ่าตัวตายขั้นพื้นฐาน
  8. คู่มือนี้อธิบายว่าหลักฐานประเภทใดแข็งแกร่งที่สุดสำหรับโปรแกรมเหล่านี้
    • มีความแม่นยำย้อนหลังสูงในบันทึกทางประวัติศาสตร์
    • สื่อการตลาดของผู้ขาย
    • การประเมินในอนาคตแสดงให้เห็นว่าการเผยแพร่ที่กระตุ้นด้วยธงช่วยลดความพยายาม
    • ตัวแปรอินพุตจำนวนมาก