基于大语言模型从全国性在线评论中映射患者感知的医生特征
计算与语言
2025-10-07 v1
摘要
理解患者如何感知医生对于提高信任、沟通和满意度至关重要。我们提出了一种基于大语言模型（LLM）的管道，用于推断大五人格特征和五种患者导向的主观判断。该分析涵盖 410 万条针对 226,999 名美国医生的患者评论，最初来自一百万条评论。我们通过多模型比较和人类专家基准测试验证了该方法，实现了人类和 LLM 评估之间的强一致性（相关系数 0.72-0.89），并通过与患者满意度的相关性（r = 0.41-0.81，所有 p<0.001）证明了外部有效性。国家规模分析揭示了系统性模式：男性医生在所有特征上都获得更高的评价，其中在临床专业能力感知方面的差距最大；在儿科和精神科中，涉及同理心的特征占主导地位；所有特征都正向预测整体满意度。聚类分析识别出四种 distinct 的医生轮廓，从“全方位优秀”（33.8%，各特征均较高）到“表现不佳”（22.6%，各特征均较低）。这些发现表明，从患者叙述中自动提取特征可为理解医生-患者关系提供可解释且经验证的度量，具有质量测量、偏见检测和人才发展等实际意义。
引用
@article{arxiv.2510.03997,
title = {Mapping Patient-Perceived Physician Traits from Nationwide Online Reviews with LLMs},
author = {Junjie Luo and Rui Han and Arshana Welivita and Zeleikun Di and Jingfu Wu and Xuzhe Zhi and Ritu Agarwal and Gordon Gao},
journal= {arXiv preprint arXiv:2510.03997},
year = {2025}
}