Optimising User Trust in Decision Aids in the Healthcare Domain: A national decision aid for medication prescription
Translated title
Optimering af tillid til beslutningsstøttesystemer i sundhedssektoren: Et nationalt beslutningsstøttesystem til medicinordinering
Authors
Jensen, Mikkel Bay Revsbech ; Jakobsen, Morten Adelsen
Term
4. term
Education
Publication year
2019
Submitted on
2019-06-06
Pages
52
Abstract
Denne afhandling undersøger, hvordan sundhedsprofessionelle og medicinstuderende har tillid til en menneskelig konsulent sammenlignet med et digitalt beslutningsstøtteværktøj (algoritmebaseret rådgivning), og hvilke forhold der påvirker deres opfattelser. Vi udarbejdede to rådgiverprofiler og 10 udsagn om, hvordan hver rådgiver kunne opfattes. Materialet blev udviklet ud fra semistrukturerede og kontekstuelle interviews med sundhedsprofessionelle og professorer med speciale i det danske sundhedsvæsen. Derefter gennemførte vi et eksperiment med parvise sammenligninger blandt 28 deltagere, hvor de for hvert udsagn vurderede, om det passede bedre på konsulenten eller beslutningsstøtten. Resultaterne viser, at beslutningsstøtten vurderes mere sand for 3 udsagn, konsulenten for 5 udsagn, og at forskellene for 2 udsagn sandsynligvis ikke er signifikante. Samlet set tyder det på, at sundhedsprofessionelle ikke er modvillige over for rådgivning fra beslutningsstøtter, baseret på de tre faktorer, der taler til fordel for værktøjet. Samtidig kan beslutningsstøtten forbedres på de resterende 8 faktorer for at matche eller overgå konsulenten. Vi foreslår konkrete ændringer i designet. Den kombinerede tilgang med udforskende interviews og eksperimentet giver brugbare indsigter i, hvad der præger tilliden til rådgivning fra forskellige rådgivere, og kan informere udviklingen af beslutningsstøtte og algoritmisk rådgivning.
This thesis examines how healthcare professionals and medical students trust a human consultant compared with a digital decision aid (algorithm-based advice), and what shapes these views. We defined two adviser profiles and 10 perception statements about how each might be seen. These materials were grounded in semi-structured and contextual interviews with healthcare professionals and professors specializing in the Danish healthcare system. We then ran a pairwise comparison experiment with 28 participants, asking for each statement whether it fit the consultant or the decision aid better. The results show that the decision aid was rated as more true on 3 statements, the consultant on 5 statements, and 2 statements were unlikely to differ significantly. Overall, this suggests that healthcare professionals are not averse to advice from decision aids, based on the three factors that favored the tool. At the same time, the decision aid can be improved on the remaining eight factors to match or surpass the consultant. We propose design changes accordingly. The mixed-method approach—combining exploratory interviews and an experiment—provides practical insights into what drives trust in advice from different advisers, and can inform the design of decision aids and other forms of algorithmic advice.
[This abstract was generated with the help of AI]
Keywords
Documents