数据集概述
本数据集为题为《ChatGPT在皮肤病学中的诊断准确性：文本与视觉提示的荟萃分析》的研究提供全套补充材料，包含详细的检索策略、统计方法、研究选择流程及ChatGPT模型在多变量下的对比性能分析，支持对研究方法和结果的复现与验证。
文件详解
- 文件名称: Diagnostic Accuracy of ChatGPT in Dermatology A Meta-Analysis of Textual versus Visual Prompts/Supplemental.docx
- 文件格式: DOCX (.docx)
- 文件内容:
- 补充图表1：PRISMA流程图，展示研究选择过程（PubMed和SCOPUS数据库检索、筛选及17项最终纳入研究的流程）
- 补充表格1：检索标准与统计分析方法（检索词、纳入排除标准、描述性统计、Welch t检验、多变量逻辑回归、Egger发表偏倚检验等）
- 补充表格2：纳入研究中皮肤病种测试频率（列出被评估两次以上的病种及频次百分比）
- 补充表格3：ChatGPT-4、ChatGPT-4o及整体模型平均诊断准确性（含主要诊断、鉴别诊断准确率及95%置信区间、模型对比t检验结果）
- 补充表格4：文本与视觉提示下ChatGPT诊断性能对比（两种输入方式的准确率百分比及置信区间）
- 补充表格5：良恶性病变分类中不同提示方式的诊断性能对比（各亚组准确率）
- 补充表格6：Fitzpatrick皮肤光型诊断性能分析（浅肤色与深肤色组准确率及显著性检验结果）
- 补充表格7：公共与私有数据源研究的诊断性能对比（两组准确率及统计比较结果）
- 补充表格8：2023-2025年模型版本的性能趋势分析（不同年份模型的诊断准确性变化）
适用场景
- 医学人工智能研究：分析大语言模型在皮肤病诊断中的准确性及提示方式的影响
- 临床决策支持系统评估：为ChatGPT辅助皮肤病诊断的临床应用提供方法学参考
- 荟萃分析方法学研究：作为医学领域AI诊断荟萃分析的补充材料设计范例
- 皮肤病学AI工具验证：支持对ChatGPT等模型在不同皮肤类型、病变性质下诊断性能的验证研究
