Statistical Tests for Replacing Human Decision Makers with Algorithms
用算法替代人类决策者的统计检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究医疗诊断的算法比较，未明确涉及所列因果、结构或金融预测等细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
用算法替代人类决策者的统计检验
- 研究问题
- 在医疗诊断中，如何将各位医生的表现与机器预测比较，并判断哪些医生的诊断应由算法建议替代，以改善整体识别表现？
- 方法与思路
- 作者提出统计比较框架，分别采用启发式频率学派方法和贝叶斯后验损失方法，利用孕前检查诊断与妊娠结局评估替代策略。
- 材料陈述的贡献
- 摘要称，在所用测试数据上，替代部分医生诊断的算法策略相比仅使用医生诊断，具有更高的真阳性率和更低的假阳性率。
- 阅读关注点
- 应核对医生替代规则、损失函数、训练与测试数据划分，以及两类错误率的比较方式和全国性数据对目标人群的覆盖范围。
- 阅读边界
- 这是预印本，同行评审或期刊接收未经核实。摘要未提供具体错误率、统计不确定性或外部验证，不能据此判断部署后的表现。
原文摘要
This paper proposes a statistical framework of using artificial intelligence to improve human decision making. The performance of each human decision maker is benchmarked against that of machine predictions. We replace the diagnoses made by a subset of the decision makers with the recommendation from the machine learning algorithm. We apply both a heuristic frequentist approach and a Bayesian posterior loss function approach to abnormal birth detection using a nationwide dataset of doctor diagnoses from prepregnancy checkups of reproductive age couples and pregnancy outcomes. We find that our algorithm on a test dataset results in a higher overall true positive rate and a lower false positive rate than the diagnoses made by doctors only.