يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية

مقالة بحثية

مدى مقروئية وجودة تثقيف المرضى عبر النماذج اللغوية الكبيرة حول ألم العصب ثلاثي التوائم: دراسة مقطعية

70 مشاهدة

⸱

DOI:

10.3791/70833

⸱

أغسطس 21, 2026

 ,  ,  , 
1Department of Pain Medicine, Nanjing Jinling Hospital, Affiliated Hospital of Medical School, Nanjing University, 2Suzhou Science & Technology Town Hospital, Affiliated Hospital of Medical School, Nanjing University, 3Department of Health Communication, Graduate School of Medicine, The University of Tokyo 7-3-1 Hongo

في هذه المقالة

ملخص

نقدم هنا بروتوكولاً لتقييم مدى سهولة القراءة، والملاءمة التعليمية، وجودة معلومات المرضى حول ألم العصب ثلاثي التوائم التي تم إنشاؤها بواسطة النماذج اللغوية الكبيرة، وذلك لإنشاء معايير مرجعية لهذه النماذج وتوجيه التواصل الموجه للمرضى.

الملخص

تُستخدم النماذج اللغوية الكبيرة (LLMs) بشكل متزايد في التثقيف الصحي للمرضى، ومع ذلك، لم يتم تقييم مدى سهولة القراءة والجودة التعليمية للمعلومات التي تولدها هذه النماذج حول ألم العصب ثلاثي التوائم (TN) بشكل كافٍ. قارنت هذه الدراسة المرجعية المقطعية المحتوى التعليمي حول ألم العصب ثلاثي التوائم الذي أنتجته خمسة نماذج لغوية كبيرة متاحة للعامة (Doubao وDeepSeek وWenxin Yiyan وTongyi Qianwen وGPT-5). تم تقديم عشرين سؤالاً شائعاً حول ألم العصب ثلاثي التوائم تغطي المعرفة الأساسية بالمرض، والمسببات/عوامل الخطر، والتشخيص، والعلاج، والوقاية/التأهيل لكل نموذج باستخدام مطالبات قياسية. تم تقييم سهولة القراءة باستخدام سبعة مؤشرات معتمدة، والملاءمة التعليمية باستخدام أداة تقييم مواد تثقيف المرضى من حيث القابلية للفهم وقابلية التنفيذ (PEMAT)، وجودة المعلومات الإجمالية باستخدام درجة الجودة العالمية (GQS). قام خبيران سريريان بتقييم جميع الاستجابات بشكل مستقل، مع حل الخلافات بواسطة محكم أقدم. قارنت التحليلات الإحصائية أداء النماذج، والاختلافات الموضوعية، والارتباطات بين مقاييس التقييم. لوحظت فروق ذات دلالة إحصائية بين النماذج في درجات سهولة القراءة وPEMAT وGQS. أنتج GPT-5 الاستجابات الأكثر تعقيداً من الناحية اللغوية، ولكنه حقق أعلى التقييمات من حيث الملاءمة التعليمية وجودة المعلومات. في المقابل، أنتج Wenxin Yiyan النصوص الأكثر سهولة في القراءة، ولكنه سجل عموماً درجات أقل في PEMAT وGQS. أثرت فئة المحتوى على سهولة القراءة، حيث كانت مواضيع الوقاية/التأهيل والمسببات/عوامل الخطر أكثر صعوبة في القراءة، بينما ظلت درجات PEMAT وGQS متسقة نسبياً عبر جميع الموضوعات. أظهرت مؤشرات سهولة القراءة اتساقاً داخلياً قوياً وارتباطات إيجابية ضعيفة إلى متوسطة مع PEMAT وGQS، بينما أظهر PEMAT وGQS ارتباطاً إيجابياً متوسطاً. تشير هذه النتائج إلى أن اختيار النموذج يؤثر على الملاءمة التعليمية وجودة المعلومات الإجمالية وفقاً لتقييم الخبراء، بينما تؤثر تعقيدات الموضوع بشكل أساسي على سهولة القراءة. ونظراً لعدم تقييم استيعاب المرضى، ورضاهم، وثقتهم، والنتائج الصحية، والدقة الواقعية، والسلامة السريرية، يجب تفسير هذه النتائج على أنها تحليل مرجعي مقيم من قبل خبراء وليس كدليل على الجاهزية السريرية.

المقدمة

يُعد ألم العصب ثلاثي التوائم (TN) متلازمة ألم اعتلال عصبي تتميز بنوبات متكررة من آلام الوجه أحادية الجانب، قصيرة المدى وشديدة للغاية، وغالباً ما توصف بأنها تشبه الصدمة الكهربائية أو الطعن. ووفقاً للتصنيف الدولي لاضطرابات الصداع، الطبعة الثالثة (ICHD-3)، يتركز الألم عادةً في توزيع فرع واحد أو أكثر من العصب ثلاثي التوائم، وغالباً ما تكون شدته غير محتملة، ويمكن أن تُحفزه مثيرات غير ضارة مثل اللمس الخفيف، أو غسل الوجه، أو تنظيف الأسنان بالفرشاة، أو التحدث، أو المضغ. وتتميز النوبات ببدء مفاجئ وتوقف سريع، وتتراوح مدتها من أجزاء من الثانية إلى عدة دقائق1,2. ورغم أن ألم العصب ثلاثي التوائم لا يشكل عادةً خطراً على الحياة، إلا أن آلامه الشديدة وغير المتوقعة تعطل بشكل كبير الأنشطة اليومية الأساسية، بما في ذلك الأكل والنطق والنوم والتنظيم العاطفي، مما يؤدي إلى عبء نفسي اجتماعي كبير وتدهور في جودة الحياة. وتشير الأدلة المستمدة من المراجعات المنهجية إلى أن المصابين بألم العصب ثلاثي التوائم يواجهون خطراً مرتفعاً بشكل ملحوظ للإصابة بالاكتئاب والقلق واضطرابات النوم مقارنة بعامة السكان3,4. وفي دراسات أترابية واسعة النطاق، يظهر ما يقرب من 35–55% من مرضى ألم العصب ثلاثي التوائم أعراضاً ذات دلالة سريرية للقلق أو الاكتئاب، كما يسود بشكل كبير التفكير الكارثي في الألم، مما يشير إلى تفاعل ثنائي الاتجاه بين الألم المزمن الشديد والأرق والاضطرابات العاطفية5,6. وتشير التقديرات الوبائية إلى أن معدل انتشار ألم العصب ثلاثي التوائم بين عامة السكان يتراوح ما بين 0.03% إلى 0.3% تقريباً، مع ارتفاع معدل الإصابة بين النساء وكبار السن ووجود تباينات ملحوظة عبر المناطق الجغرافية والمجموعات العرقية والفئات العمرية7,8. وفي البلدان ذات الكثافة السكانية العالية، مثل الصين والهند، رافق الشيخوخة السكانية السريعة زيادة مستمرة في عدد الأفراد المصابين بألم العصب ثلاثي التوائم، مما فرض عبئاً متزايداً على أنظمة الرعاية الصحية وأكد الحاجة إلى مناهج أكثر فعالية وقابلية للتوسع ومستندة إلى البيانات لتقييم المرض وإدارته8,9.

يمكن تصنيف TN إلى أنماط فرعية كلاسيكية وثانوية ومجهولة السبب، مع تزايد الأدلة التي تثبت وجود اختلافات جوهرية في الآليات المسببة والاستراتيجيات العلاجية بين هذه الفئات1,10. وتشير الدراسات الحالية إلى أن التغيرات الهيكلية المرتبطة بالصراع العصبي الوعائي في منطقة دخول جذر العصب ثلاثي التوائم، وفرط استثارة الأعصاب الطرفية، وتغير تعديل الألم المركزي تساهم مجتمعة في نشوء المرض11,12. وتوصي الإرشادات السريرية باستخدام carbamazepine وoxcarbazepine كعلاجات خط أول، بينما يتم النظر في النهج الجراحية أو التدخلية عندما يكون العلاج الدوائي غير فعال أو غير متحمل بشكل جيد10. وعلى الرغم من هذه التطورات العلاجية، يتميز TN بمسار نكسي-تخفيفي، ويظل تكرار الألم على المدى الطويل شائعاً، مما يجعل تحقيق الهجوع الدائم أمراً صعباً13. وبناءً على ذلك، تعد المتابعة طويلة الأمد والإدارة المنظمة للأمراض المزمنة ضرورية لمراقبة خطر التكرار، والاستجابة للعلاج، والمضاعفات. وتشير دراسات الأتراب الطولية إلى أنه في ظل استراتيجيات الإدارة الموحدة (بما في ذلك العلاج الدوائي، والتدخل الجراحي عند دواعي الاستعمال، والمتابعة الشاملة)، يمكن لنحو نصف المرضى الذين يتلقون إدارة تحفظية تحقيق خفض بنسبة ≥50% في عبء الألم الإجمالي خلال عامين، دون تقدم حتمي للمرض14. وتؤكد هذه النتائج على أهمية المشاركة المستمرة للمريض والتثقيف الصحي الفعال لإدارة المرض على المدى الطويل. وتشير الأدلة إلى أن المرضى الذين لديهم فهم أفضل لمسببات المرض، والفيزيولوجيا المرضية، وخيارات العلاج يكونون أكثر عرضة للمشاركة بنشاط في الأنظمة العلاجية والالتزام بها، مما يؤدي إلى تحسين النتائج15. ومع ذلك، غالباً ما تكون مناهج التثقيف الصحي التقليدية محدودة من حيث الوصول والقابلية للتوسع. ومع الاعتماد الواسع للإنترنت، وخاصة منصات الأسئلة والأجوبة عبر الإنترنت ووسائل التواصل الاجتماعي، يعتمد المرضى بشكل متزايد على المصادر الرقمية للحصول على المعلومات الطبية16,17. ومع ذلك، فإن التباين الكبير في الثقافة الصحية الفردية والقدرة على الوصول إلى المعلومات الصحية الأساسية ومعالجتها وفهمها لاتخاذ قرارات مستنيرة يشكل عوائق رئيسية أمام التثقيف الفعال للمرضى18. علاوة على ذلك، فإن الجودة غير المتكافئة للمعلومات الصحية عبر الإنترنت، بما في ذلك المحتوى غير الدقيق أو المضلل، قد تؤثر سلباً على القرارات الطبية للمرضى وسلامتهم النفسية19.

لقد أوجدت تقنيات الذكاء الاصطناعي (AI)، وبالأخص التطور السريع للنماذج اللغوية الكبيرة (LLMs) في السنوات الأخيرة، فرصاً جديدة للتواصل في مجال العلوم الطبية والتثقيف الصحي20. وبفضل تدريبها على مجموعات نصية ضخمة، تستطيع هذه النماذج توليد استجابات منظمة ومتسقة منطقياً من خلال التفاعل باللغة الطبيعية21. وقد أظهرت أنظمة دولية رائدة، مثل ChatGPT، إمكانات واعدة في الإجابة على الأسئلة الطبية، واستشارات المرضى، والتعليم الطبي22,23. كما ظهرت في الصين عدة نماذج لغوية كبيرة متماثلة وظيفياً، مع توسع مستمر في تغطية المستخدمين وسيناريوهات التطبيق24. ورغم هذه التطورات، لا يزال تطبيق النماذج اللغوية الكبيرة في تبسيط العلوم الطبية يواجه تحديات جسيمة، بما في ذلك موثوقية بيانات التدريب، وتواتر التحديثات، والدقة العلمية للاستجابات المولدة، والافتقار إلى التحقق السريري25. بالإضافة إلى ذلك، فإن الاختلافات بين النماذج في أسلوب اللغة، وسهولة القراءة، والبنية المنطقية، ودقة الاستشهاد قد تؤثر بشكل مباشر على استيعاب المرضى وثقتهم في المعلومات المتعلقة بالصحة26. وحتى الآن، كانت التقييمات المنهجية لأداء النماذج اللغوية الكبيرة في التثقيف الصحي المتعلق بـ TN محدودة.

بناءً على ذلك، هدفت هذه الدراسة إلى تقييم ومقارنة أداء أربعة من النماذج اللغوية الكبيرة (LLMs) الصينية واسعة الانتشار (Doubao وDeepSeek وWenxin Yiyan وTongyi Qianwen) ونموذج لغوي كبير دولي ممثل (ChatGPT) في الإجابة على أسئلة تثقيف المرضى المتعلقة بـ TN بشكل منهجي. وباستخدام تصميم دراسة مقطعية، قمنا ببناء مجموعة أسئلة حول TN بناءً على الإرشادات السريرية والمخاوف الشائعة للمرضى، ثم قيمنا الاستجابات التي أنتجتها خمسة نماذج لغوية كبيرة متاحة للجمهور (Doubao وDeepSeek وWenxin Yiyan وTongyi Qianwen وGPT-5). تم تقييم القابلية للقراءة باستخدام مقاييس متعددة، بينما تم تقييم القابلية للفهم والقابلية للتطبيق باستخدام أداة تقييم مواد تثقيف المرضى (PEMAT). كما تم تقييم الجودة العامة للمعلومات باستخدام درجة الجودة العالمية (GQS). بالإضافة إلى ذلك، قمنا بتحليل كيفية تأثير مواضيع التثقيف الصحي المختلفة على مقاييس التقييم هذه والعلاقات المتبادلة بينها، بهدف تقديم إرشادات قائمة على الأدلة لاختيار وتحسين النماذج اللغوية الكبيرة في التواصل الصحي السريري.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

حللت هذه الدراسة النصوص المولدة بواسطة الذكاء الاصطناعي فقط، ولم تتضمن مشاركين بشريين، أو حيوانات، أو عينات بيولوجية، أو سجلات طبية، أو معلومات شخصية محددة للهوية، أو تدخلاً في الرعاية السريرية. وبناءً على ذلك، لم تكن مراجعة لجنة الأخلاقيات أو الموافقة المستنيرة الرسمية مطلوبة.

تصميم الدراسة

قيمت هذه الدراسة المقطعية مدى سهولة القراءة، والجودة، والملاءمة التعليمية للاستجابات التي أنتجتها خمسة من النماذج اللغوية الكبيرة (LLMs) رداً على الأسئلة الشائعة حول الاعتلال العصبي (TN).

تحديد الأسئلة الشائعة المتعلقة بـ TN

في 25 نوفمبر 2025، قام خبيران سريريان لديهما خبرة واسعة في طب الألم بمراجعة مستقلة للإرشادات السريرية الحالية لعصب الألم الثلاثي (TN)، بما في ذلك التصنيف الدولي للاضطرابات الصداع، الطبعة الثالثة (ICHD-3)، وإرشادات الأكاديمية الأوروبية لطب الأعصاب، وإرشادات الأكاديمية الأمريكية لطب الأعصاب/الاتحاد الأوروبي للجمعيات العصبية1,10,11. وبعد مناقشة توافقية، قاموا بصياغة قائمة تضم 20 سؤالاً متعلقاً بعصب الألم الثلاثي يتم مواجهتها بشكل شائع في الممارسة السريرية. وقد تم تحديد عدد الأسئلة مسبقاً لضمان تغطية متوازنة للمجالات الموضوعية الخمسة المحددة مسبقاً، مع اختيار أربعة أسئلة لكل مجال، مع الحفاظ على إجمالي عدد الاستجابات التي يولدها النموذج ضمن نطاق يمكن تقييمه والتحقق منه يدوياً من قبل الخبراء. ولتحسين قابلية التكرار، اتبعت عملية الاختيار إطاراً محدداً مسبقاً قائماً على المجالات: حيث حدد الخبراء أولاً الأسئلة المرشحة ضمن كل مجال، وراجعوها بشكل مستقل من حيث الصلة السريرية، والصياغة الموجهة للمريض، وتجنب التكرار، ثم توصلوا إلى توافق بشأن الأسئلة الأربعة النهائية لكل مجال. تتوفر القائمة النهائية للأسئلة في الجدول 1 والملف التكميلي 1. وكانت المجالات الموضوعية الخمسة المحددة مسبقاً هي: المعرفة الأساسية بالمرض، والمسببات وعوامل الخطر، والتشخيص، والعلاج، والوقاية والتأهيل. ونظراً لأن مجموعة الأسئلة لم تُشتق من سجلات بحث المرضى، أو استعلامات البحث عبر الإنترنت، أو المقابلات الرسمية مع المرضى، فقد تم الإقرار باحتمالية وجود انحياز في الاختيار كأحد قيود الدراسة.

نماذج الذكاء الاصطناعي وإجراءات جمع البيانات

في 25 نوفمبر 2025، تم تقديم المجموعة النهائية المكونة من 20 سؤالاً متعلقاً بـ TN إلى خمس منصات لنماذج لغوية كبيرة (LLM) متاحة للعامة، وهي: Doubao، وDeepSeek، وWenxin Yiyan، وTongyi Qianwen، وGPT-5/ChatGPT. تم الوصول إلى جميع النماذج من خلال واجهات الدردشة القياسية العامة القائمة على الويب، ولم يتم استخدام الوصول عبر واجهة برمجة التطبيقات (API). وبالنسبة لكل منصة، تم استخدام النموذج الافتراضي المتاح للعامة في تاريخ جمع البيانات دون تعديل أي من معايير التوليد. وبما أن واجهات الويب العامة لم تعرض معرفات لقطات النموذج الخلفية، أو مطالبات النظام المخفية، أو درجة الحرارة، أو top-p، أو الحد الأقصى لرموز المخرجات، أو غيرها من معايير التوليد، فقد تم تسجيل هذه البنود على أنها "غير معروضة في واجهة الويب العامة".

كانت لغة التوجيه والاستجابة هي الإنجليزية لجميع النماذج. وتكون كل توجيه معياري من السؤال الإنجليزي حرفياً دون أي تعليمات إضافية خاصة بالنموذج. تم تقديم كل سؤال بشكل فردي في جلسة دردشة جديدة ومستقلة دون أي سجل محادثات سابق، أو ملفات مرفوعة، أو إضافات، أو تعليمات مخصصة، أو توجيهات متابعة. تتوفر القائمة الكاملة للتوجيهات المعيارية ومخرجات النماذج الخام المقابلة لها في الملف التكميلي 1. كما تم تلخيص البيانات الوصفية للنماذج وإعدادات جمع البيانات في الجدول التكميلي 1.

تقييم القابلية للقراءة

تم تقييم مقروئية الاستجابات التي أنتجتها النماذج اللغوية الكبيرة (LLM) باستخدام عدة صيغ مقروئية معتمدة متاحة عبر منصة إلكترونية لتقييم المقروئية (http://readabilityformulas.com/). ونظراً لعدم وجود معيار ذهبي مقبول عالمياً لتقييم المقروئية، وتماشياً مع الدراسات السابقة، تم استخدام مجموعة شاملة من مؤشرات المقروئية واسعة الانتشار23,27. وقد اختير سبعة مؤشرات لتغطية جوانب متكاملة من المقروئية، بما في ذلك طول الجملة، وطول الكلمة، وعبء المقاطع اللفظية، والتعقيد القائم على الحروف، وسهولة القراءة، والمستوى الدراسي التقديري، وذلك لتقليل الاعتماد على أي صيغة واحدة. وبشكل محدد، تم حساب مؤشر كولمان-لياو (CL)، وصيغة لينسير رايت (LW)، ومؤشر المقروئية الآلي (ARI)، ومقياس سموغ البسيط (SMOG)، ومؤشر غانينغ فوغ (GFOG)، ودرجة فليش لسهولة القراءة (FRES)، ومستوى فليش-كينكيد الدراسي (FKGL). وتقوم هذه المؤشرات بتقدير صعوبة القراءة أو المستوى الدراسي وتوفر مقاييس كمية لمقروئية النص (الجدول 2).

تقييم الملاءمة التعليمية وجودة المعلومات

تم تقييم الملاءمة التعليمية باستخدام أداة تقييم مواد تثقيف المرضى (PEMAT)، والتي تتكون من مجالين: قابلية الفهم وقابلية التنفيذ28. وتتضمن هذه الأداة 24 بنداً، حيث يقيم 16 منها قابلية الفهم وثمانية تقيم قابلية التنفيذ. وقد تم تسجيل كل بند بشكل ثنائي (0 = المعيار غير مستوفٍ؛ 1 = المعيار مستوفٍ)، مما يعطي درجة إجمالية تتراوح من 0 إلى 24، حيث تشير الدرجات الأعلى إلى ملاءمة أكبر لتثقيف المرضى. كما تم تقييم الجودة العامة للمعلومات باستخدام درجة الجودة العالمية (GQS)27، وهي مقياس ليكرت خماسي النقاط مستخدم على نطاق واسع لتقييم جودة المعلومات الطبية (الجدول 3).

في 25 نوفمبر 2025، قام خبيران سريريان لديهما خبرة تزيد عن 3 سنوات في إدارة TN بتقييم جميع الاستجابات التي أنشأها الذكاء الاصطناعي باستخدام كلتا أداتي التقييم. وقبل تسجيل الدرجات، تم إخفاء هوية جميع الاستجابات التي أنشأها الذكاء الاصطناعي باستخدام معرفات استجابة مرمزة، كما تم حجب منصة LLM عن المراجعين أثناء تقييمات PEMAT وGQS. وتم حل الخلافات بواسطة خبير ثالث أول، الذي بت في الدرجات النهائية. كما تم تقييم الموثوقية بين المقيّمين باستخدام معامل Cohen's kappa، حيث تشير القيم >0.75 إلى اتفاق ممتاز، و0.40–0.75 إلى اتفاق مقبول، و<0.40 إلى اتفاق ضعيف. وقد تجاوزت قيم Cohen's kappa لكل من PEMAT وGQS قيمة 0.75، مما يدل على موثوقية ممتازة بين المقيّمين.

التحليل الإحصائي

أُجريت جميع التحليلات الإحصائية باستخدام برنامج R (الإصدار 4.4.3). تم تقييم طبيعية توزيع البيانات باستخدام اختبار Shapiro-Wilk ومخططات Q-Q. لُخصت المتغيرات ذات التوزيع الطبيعي كمتوسط ± الانحراف المعياري وقورنت باستخدام تحليل التباين أحادي الاتجاه (ANOVA)، متبوعاً باختبار Tukey البعدي عند الاقتضاء. أما المتغيرات غير موزعة طبيعياً فقد لُخصت كقيم وسيطة ونطاقات ربيعية وقورنت باستخدام اختبار Kruskal-Wallis، متبوعاً باختبار Dunn البعدي مع تصحيح Bonferroni للمقارنات الزوجية. تم تقييم الارتباطات بين مؤشرات سهولة القراءة، ودرجات PEMAT، وقيم GQS باستخدام معامل ارتباط الرتب لـ Spearman، مع تطبيق تصحيح Benjamini-Hochberg للاختبارات المتعددة. واعتُبرت قيمة P المعدلة ثنائية الجانب < 0.05 ذات دلالة إحصائية.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

قامت هذه الدراسة بتقييم منهجي لتأثيرات النماذج اللغوية الكبيرة (LLMs) وفئات مختلفة من محتوى التثقيف الصحي على سهولة القراءة وجودة النصوص الناتجة. أولاً، قارنا أداء خمسة من النماذج اللغوية الكبيرة—وهي Doubao وDeepSeek وWenxin Yiyan وTongyi Qianwen وGPT-5—من حيث الملاءمة لتثقيف المرضى، والجودة العامة للمعلومات، ومقاييس متعددة لسهولة القراءة، بما في ذلك درجة PEMAT وGQS ومؤشرات سهولة القراءة المعتمدة (ARI وFRES وGFOG وFKGL وCL وSMOG وLW). ثانياً، فحصنا مقاييس النتائج نفسها عبر خمسة مجالات موضوعية لمحتوى التثقيف الصحي: المعرف...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

قامت هذه الدراسة المرجعية المقطعية بمقارنة منهجية لسهولة القراءة، والملاءمة التعليمية، والجودة الإجمالية للمعلومات في مواد تثقيف المرضى حول ألم العصب ثلاثي التوائم (TN) التي تم إنشاؤها بواسطة خمسة من النماذج اللغوية الكبيرة (LLMs) المتاحة علناً. وقد ظهرت أربع نتائج رئيسية؛ أولاً، تباينت سهولة القراءة بشكل كبير بين النماذج، حيث أنتج GPT-5 الاستجابات الأكثر تعقيداً لغوياً، بينما أنتج Wenxin Yiyan المحتوى الأكثر سهولة في القراءة. ثانياً، كانت سهولة القراءة وجودة المعلومات المقيمة من قبل الخبراء بُعدين تقييميين متميزين، حيث ...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

يقر المؤلفون بأنه لا توجد لديهم أي تضاربات في المصالح.

شكر وتقدير

لم يتلقَّ هذا البحث أي منحة محددة من أي وكالة تمويل في القطاعات العامة أو التجارية أو غير الربحية. يشكر المؤلفون الزملاء السريريين الذين قدموا ملاحظاتهم حول مجموعة أسئلة ألم العصب ثلاثي التوائم وساعدوا في تحسين إطار التقييم. كما نشكر جميع المساهمين الذين دعموا إعداد المخطوطة ومراجعتها.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
منصة DeepSeek للدردشةDeepSeekhttps://chat.deepseek.com/واجهة نموذج لغوي كبير متاحة للعموم تُستخدم لتوليد الاستجابات
منصة Doubao للدردشةDoubaohttps://www.doubao.com/chat/واجهة نموذج لغوي كبير متاحة للعموم تُستخدم لتوليد الاستجابات
GPT 5 OpenAIhttps://chat.openai.com/واجهة نموذج لغوي كبير متاحة للعموم تُستخدم لتوليد الاستجابات
برمجية R، الإصدار 4.4.3R Foundation for Statistical Computingغير ينطبقالتحليل الإحصائي والتصور البياني
حاسبة Readability Formulas لقراءة النصوص عبر الإنترنتReadability Formulasغير ينطبقأداة عبر الإنترنت تُستخدم لحساب مؤشرات سهولة القراءة
منصة Tongyi Qianwen للدردشةTongyi Qianwenhttps://www.tongyi.com/واجهة نموذج لغوي كبير متاحة للعموم تُستخدم لتوليد الاستجابات
منصة Wenxin Yiyan للدردشةWenxin Yiyanhttps://yiyan.baidu.com/واجهة نموذج لغوي كبير متاحة للعموم تُستخدم لتوليد الاستجابات

المراجع

  1. Headache Classification Committee of the International Headache Society (IHS). The International Classification of Headache Disorders, 3rd edition. Cephalalgia. 2018;38(1):1-211.
  2. Ashina S, et al. Trigeminal neuralgia. Nat Rev Dis Primers. 2024;10(1):39.
  3. Donertas-Ayaz B, Caudle RM. Locus coeruleus-noradrenergic modulation of trigeminal pain: Implications for trigeminal neuralgia and psychiatric comorbidities. Neurobiol Pain. 2023;13:100124.
  4. Martinelli R, et al. Psychological assessment in patients affected by trigeminal neuralgia: A systematic review. Neurosurg Rev. 2025;48(1):414.
  5. Melek LN, et al. Comparison of the neuropathic pain symptoms and psychosocial impacts of trigeminal neuralgia and painful posttraumatic trigeminal neuropathy. J Oral Facial Pain Headache. 2019;33(1):77-88.
  6. Zakrzewska JM, et al. Evaluating the impact of trigeminal neuralgia. Pain. 2017;158(6):1166-1174.
  7. Gambeta E, Chichorro JG, Zamponi GW. Trigeminal neuralgia: An overview from pathophysiology to pharmacological treatments. Mol Pain. 2020;16:1744806920901890.
  8. De Toledo IP, et al. Prevalence of trigeminal neuralgia: A systematic review. J Am Dent Assoc. 2016;147(7):570-576.e2.
  9. Svedung Wettervik T, et al. Incidence of trigeminal neuralgia: A population-based study in central Sweden. Eur J Pain. 2023;27(5):580-587.
  10. Bendtsen L, et al. European Academy of Neurology guideline on trigeminal neuralgia. Eur J Neurol. 2019;26(6):831-849.
  11. Cruccu G, et al. Trigeminal neuralgia: New classification and diagnostic grading for practice and research. Neurology. 2016;87(2):220-228.
  12. Araya EI, et al. Trigeminal neuralgia: Basic and clinical aspects. Curr Neuropharmacol. 2020;18(2):109-119.
  13. Chong MS, Bahra A, Zakrzewska JM. Guidelines for the management of trigeminal neuralgia. Cleve Clin J Med. 2023;90(6):355-362.
  14. Heinskou TB, et al. Favourable prognosis of trigeminal neuralgia when enrolled in a multidisciplinary management program: A two-year prospective real-life study. J Headache Pain. 2019;20(1):23.
  15. Liu S, et al. Comparative evaluation of ChatGPT and Gemini in brain-computer interface patient education: A multidimensional analysis of reliability, accuracy, comprehensibility, and readability. Int J Med Inform. 2026;206:106164.
  16. Forgie EME, et al. Social media and the transformation of the physician-patient relationship: Viewpoint. J Med Internet Res. 2021;23(12):e25230.
  17. Gantenbein L, Navarini AA, Maul LV, Brandt O, Mueller SM. Internet and social media use in dermatology patients: Search behavior and impact on the patient-physician relationship. Dermatol Ther. 2020;33(6):e14098.
  18. Youssef Y, et al. Social media and internet use among orthopedic patients in Germany: A multicenter survey. Front Digit Health. 2025;7:1486296.
  19. De Martino I, et al. Social media for patients: Benefits and drawbacks. Curr Rev Musculoskelet Med. 2017;10(1):141-145.
  20. Johnson KB, et al. Precision medicine, AI, and the future of personalized health care. Clin Transl Sci. 2021;14(1):86-93.
  21. Hirani R, et al. Artificial intelligence and healthcare: A journey through history, present innovations, and future possibilities. Life (Basel). 2024;14(5):557.
  22. Karatas G, Kirik F, Karatas ME, Cakir A, Ozdemir H. Comparative performance of ChatGPT o3-mini-high and DeepSeek-R1 in ophthalmology: An evaluation of diagnostic reasoning and case-based problem solving. J Fr Ophtalmol. 2025;49(1):104712.
  23. Hanci V, et al. Assessment of readability, reliability, and quality of ChatGPT, Bard, Gemini, Copilot, and Perplexity responses on palliative care. Medicine (Baltimore). 2024;103(33):e39305.
  24. Liu C, et al. Potential to perpetuate social biases in health care by Chinese large language models: A model evaluation study. Int J Equity Health. 2025;24(1):206.
  25. Haupt CE, Marks M. AI-generated medical advice—GPT and beyond. JAMA. 2023;329(16):1349-1350.
  26. Aydin S, Karabacak M, Vlachos V, Margetis K. Large language models in patient education: A scoping review of applications in medicine. Front Med (Lausanne). 2024;11:1477898.
  27. Kara M, et al. Evaluating the readability, quality, and reliability of responses generated by ChatGPT, Gemini, and Perplexity on the most commonly asked questions about ankylosing spondylitis. PLoS One. 2025;20(6):e0326351.
  28. Perez Rivera LR, et al. Evaluating the quality and reliability of large language models for plastic surgery patient education: A comparative analysis of ChatGPT and OpenEvidence. Aesthet Surg J. 2025. doi:10.1093/asj/sjaf249.
  29. Wilhelm TI, Roos J, Kaczmarczyk R. Large language models for therapy recommendations across three clinical specialties: Comparative study. J Med Internet Res. 2023;25:e49324.
  30. Will J, et al. Enhancing the readability of online patient education materials using large language models: Cross-sectional study. J Med Internet Res. 2025;27:e69955.
  31. Tukur Jido J, Al-Wizni A, Aung SL. Readability of AI-generated patient information leaflets on Alzheimer's disease, vascular dementia, and delirium. Cureus. 2025;17(6):e85463.
  32. Luo Z, Lin C, Kim TH, Shin YS, Ahn ST. Quality and readability analysis of artificial intelligence-generated medical information related to prostate cancer: A cross-sectional study of ChatGPT and DeepSeek. World J Mens Health. 2025. doi:10.5534/wjmh.250144.
  33. Joseph P, Silva NA, Nanda A, Gupta G. Evaluating the readability of online patient education materials for trigeminal neuralgia. World Neurosurg. 2020;144:e934-e938.
  34. Dong C, et al. Comparative evaluation of large language models in delivering guideline-compliant recommendations for topical NSAID use in musculoskeletal pain: A multidimensional analysis. Clin Rheumatol. 2025;44(11):4703-4710.
  35. Ozduran E, Buyukcoban S. Evaluating the readability, quality, and reliability of online patient education materials on post-COVID pain. PeerJ. 2022;10:e13686.
  36. Wang LW, Miller MJ, Schmitt MR, Wen FK. Assessing readability formula differences with written health information materials: Application, results, and recommendations. Res Social Adm Pharm. 2013;9(5):503-516.
  37. Singh SP, et al. Comprehension profile of patient education materials in endocrine care. Kans J Med. 2022;15(2):247-252.
  38. Marder RS, et al. ChatGPT-3.5 and ChatGPT-4.0 do not reliably create readable patient education materials for common orthopaedic upper- and lower-extremity conditions. Arthrosc Sports Med Rehabil. 2025;7(1):101027.
  39. Nasra M, et al. Can artificial intelligence improve patient educational material readability? A systematic review and narrative synthesis. Intern Med J. 2025;55(1):20-34.
  40. Bhatt C, et al. Evaluating readability, understandability, and actionability of online printable patient education materials for cholesterol management: A systematic review. J Am Heart Assoc. 2024;13(8):e030140.
  41. Avra TD, Le M, Hernandez S, Thure K, Ulloa JG. Readability assessment of online peripheral artery disease education materials. J Vasc Surg. 2022;76(6):1728-1732.
  42. Rooney MK, et al. Readability of patient education materials from high-impact medical journals: A 20-year analysis. J Patient Exp. 2021;8:2374373521998847.
  43. Ahmadzadeh K, et al. Patient education information material assessment criteria: A scoping review. Health Info Libr J. 2023;40(1):3-28.
  44. Duan L, Yao Z, Li X, Wu Y, Sheng D. Comparing large language models and human doctors in symptom-driven online medical consultations: A case study on trigeminal neuralgia. Digit Health. 2025;11:20552076251388140.
  45. Werner C, Harden J, Lawton J. Pathways to a diagnosis of trigeminal neuralgia: A qualitative study of patients' experiences. BMC Prim Care. 2025;26(1):65.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

الوسوم

النماذج اللغوية الكبيرةتقييم القابلية للقراءةالجودة التعليميةتقييم PEMATدرجة الجودة العالميةجودة المعلومات الصحيةمقارنة معيارية للنماذجاستيعاب المريض
تواصل معنا
أوصِ به للمكتبة

الخصوصية

شروط الاستخدام

السياسات

حقوق الطبع والنشر © 2026 MyJoVE Corporation. جميع الحقوق محفوظة.