Hastane Öncesi Acil Sağlık Hizmetleri Çalışanlarının Yapay Zekâ Tutumları ile Tıbbi Yapay Zekâ Hazır Bulunuşluk Düzeyi İlişkisinin Değerlendirilmesi
Öz
Amaç: Bu çalışma; hastane öncesi acil sağlık hizmetleri çalışanlarının yapay zekâ tutumları ile tıbbi yapay zekâ hazır bulunuşluk düzeylerini belirlemek ve bu iki değişken arasındaki ilişkiyi incelemek amacıyla yapılmıştır.
Gereç ve Yöntem: Tanımlayıcı ve kesitsel türdeki bu çalışma; 01.02.2024-15.03.2024 tarihleri arasında çalışmaya gönüllü olarak katılan 292 hastane öncesi acil sağlık hizmetleri çalışanı ile gerçekleştirilmiştir. Veriler online anket yöntemi ile toplanmıştır. Araştırmada; kişisel bilgi formu, “Yapay Zekâya Yönelik Genel Tutum Ölçeği” ve “Tıbbi Yapay Zekâ Hazır Bulunuşluk Ölçeği” kullanılmıştır. Elde edilen veriler SPSS 20 programında analiz edilmiş ve normal dağılım gösterdiği için parametrik testler yapılmıştır.
Bulgular: Yapay zekâya yönelik; pozitif tutum puan ortalaması 3.45, negatif tutum puan ortalaması 3.05 ve tıbbi yapay zekâ hazır bulunuşluk ölçeği toplam puan ortalaması 70.63’ tür. Yapay zekâ pozitif tutum ile tıbbi yapay zekâ hazır bulunuşluk ve alt boyutları arasında pozitif yönlü orta düzeyde anlamlı bir ilişki bulunmuştur. Ayrıca, tıbbi yapay zekâ hazır bulunuşluk düzeyindeki değişimin %21’i yapay zekâ pozitif tutum ile açıklanmaktadır.
Sonuç: Hastane öncesi acil sağlık hizmetleri çalışanlarının yapay zekâya yönelik tutumları pozitif; tıbbi yapay zekâ hazır bulunuşluk düzeyleri ise orta değerin üzerindedir. Çalışanların bilişsel hazır bulunuşlukları daha düşük, etik hazır bulunuşlukları ise daha yüksektir. Yapay zekâya yönelik tutumları pozitif olan çalışanların, yapay zekâ teknolojilerini kullanmaya daha hazır oldukları görülmektedir.
Anahtar Kelimeler
Hastane öncesi,, Tıbbi yapay zekâ hazır bulunuşluk,, Yapay zekâ,, Yapay zekâ tutum
Kaynakça
- Anantharaman, V., Han, L. S. (2001). Hospital and emergency ambulance link: using IT to enhance emergency pre-hospital care. International Journal of Medical İnformatics, 61 (2-3), 147-61. doi: 10.1016/S1386-5056(01)00137-X
- Aslan, Ş., Güzel, Ş. (2018). Türkiye' deki hastane öncesi acil sağlık hizmetleri. International Journal of Social and Humanities Sciences Research (JSHSR), 5 (31), 4995-5002. doi: 10.26450/jshsr.856
- Bohr, A., Memarzadeh, K. (2020). The rise of artificial intelligence in healthcare applications. In: Artificial Intelligence in healthcare. Academic Press, 25-60. doi: 10.1016/B978-0-12-818438-7.00002-2
- Brouillette, M. (2019). AI added to the curriculum for doctors-to-be. Nat Med., 25 (12), 1808-9. doi: 10.1038/s41591-019-0648-3
- Byrsell, F., Claesson, A., Ringh, M., Svensson, L., Jonsson, M., Nordberg, P., … Nord, A. (2021). Machine learning can support dispatchers to better and faster recognize out-of-hospital cardiac arrest during emergency calls: a retrospective study. Resuscitation, 162, 218-26. doi:10.1016/j.resuscitation.2021.02.041.
- Clark, M., Severn, M. (2023). Artificial intelligence in prehospital emergency health care. Canadian Journal of Health Technologies, 3 (8), 1-13.
- Cruz, J.P., Sembekova, A., Omirzakova, D., Bolla, S.R., Balay-odao, E.M. (2024). Attitudes toward and readiness for medical artificial intelligence among medical and health science students. Health Professions Education, 10 (3), 15. doi: 10.55890/2452-3011.1296
- Elsayed, W.A., Sleem, W.F. (2021). Nurse managers perception and attitudes toward using artificial ıntelligence technology in health settings. Assiut Scientific Nursing Journal, 9 (24.0), 182-92. doi: 10.21608/ASNJ.2021.72740.1159.
- Eminoğlu, A., Çelikkanat, Ş. (2024). Assessment of the relationship between executive nurses' leadership self-efficacy and medical artificial intelligence readiness. International Journal of Medical Informatics, 184 (2024), 105386. doi: 10.1016/j.ijmedinf.2024
- Filiz, E., Güzel, Ş., Şengül, A. (2022). Sağlık profesyonellerinin yapay zekâ kaygı durumlarının incelenmesi. Journal of Academic Value Studies, 8 (1), 47-55. doi: 10.29228/javs.57808