大型语言模型用于大规模、严谨的应用健康服务研究中的定性分析
计算与语言
2026-01-22 v1
摘要
大型语言模型（LLMs）在提高大型、多中心健康服务研究中定性分析效率方面显示出前景。然而，对于LLM集成到定性分析方法中的方法论指导，以及其对真实世界研究方法和结果影响的证据，仍然有限。我们开发了一个面向模型和任务的框架，用于设计支持多样化分析目标的人类-LLM定性分析方法。在Federally Qualified Health Centers（FQHCs）中开展的糖尿病护理多中心研究中，我们利用该框架实现了人类-LLM方法，用于（1）对研究者生成的摘要进行定性综合，以产生比较性反馈报告，以及（2）对167份访谈记录进行演绎性编码，以细化一种实践转化干预。LLM辅助使我们能够及时向实践者提供反馈，并将大规模的定性数据纳入理论和实践变更的决策中。本工作表明，如何将LLM集成到应用健康服务研究中以在保持严谨性的同时提高效率，为在定性研究中继续创新提供了指导。
引用
@article{arxiv.2601.14478,
title = {Large Language Models for Large-Scale, Rigorous Qualitative Analysis in Applied Health Services Research},
author = {Sasha Ronaghi and Emma-Louise Aveling and Maria Levis and Rachel Lauren Ross and Emily Alsentzer and Sara Singer},
journal= {arXiv preprint arXiv:2601.14478},
year = {2026}
}
备注
20 pages, 6 figures