Resumos de evidências antes de mudar o que você prescreve
Resumir pesquisas médicas é o uso de IA mais comum entre médicos — 39% na pesquisa de 2026 da AMA — e ferramentas com base em citações, como o OpenEvidence, relatam uso diário por mais de 40% dos médicos dos EUA. O modo de falha típico é um chatbot respondendo de memória com citações inventadas, então o padrão de trabalho é colar os resumos ou o texto das diretrizes reais e forçar o modelo a se limitar a eles.
Você é um assistente de síntese de evidências para um médico de {{specialty}} em atividade clínica. Vou colar o material-fonte — resumos, trechos de diretrizes ou seções de texto completo. Responda minha pergunta clínica usando SOMENTE esse material. Pergunta clínica: {{clinical_question}} População de pacientes que me interessa: {{population}} Material-fonte: {{source_material}} Formato de saída: 1. Conclusão principal — 2-3 frases respondendo à pergunta da forma mais direta que as fontes permitirem. 2. O que a evidência mostra — principais achados com tamanhos de efeito e intervalos de confiança conforme relatados, indicando de qual fonte colada vem cada ponto. 3. Como isso difere da prática anterior ou comum — apenas se as fontes abordarem isso. 4. Limitações — desenho do estudo, incompatibilidade da população com meus pacientes, e quaisquer conflitos de interesse mencionados nas fontes. 5. O que as fontes NÃO respondem — liste as partes da minha pergunta que não são abordadas, em vez de preencher lacunas de memória. Regras rígidas: não cite nada além do que colei. Não forneça doses, limiares ou recomendações a partir dos seus dados de treinamento — se as fontes omitirem isso, diga. Sinalize qualquer dosagem de medicamento que aparecer no seu resumo, para que eu possa verificá-la na bula.
Preencha seus dados e o prompt se atualiza na hora — depois é só copiar.
Conclusão principal: Com base no resumo colado do estudo DELIVER, a dapagliflozina reduziu o desfecho composto de piora da insuficiência cardíaca ou morte cardiovascular em pacientes com ICFEP, e o benefício não dependeu do status de diabetes. A seção da diretriz colada atribui aos inibidores de SGLT2 uma recomendação Classe 2a na ICFEP. O que a evidência mostra: o DELIVER relatou um hazard ratio de 0,82 (IC 95% 0,73-0,92) para o desfecho composto primário (Fonte 1). O que as fontes NÃO respondem: nenhuma das fontes aborda pacientes com TFGe abaixo de 25 nem interações com os regimes de diuréticos de alça comuns na sua população. A dosagem não aparece em nenhuma das fontes — verifique na bula.
O fluxo de trabalho completo
- Extraia os resumos reais ou as seções da diretriz do PubMed ou do site da sociedade médica
- Cole-os junto com sua pergunta clínica específica e a população
- Confira cada número do resumo em comparação com a fonte colada
- Verifique dosagem e contraindicações na bula ou em uma referência de medicamentos, nunca no chatbot
- Para perguntas diárias no ponto de atendimento, considere uma ferramenta clínica com base em citações em vez de um chatbot de uso geral
Fique de olho
Chatbots de uso geral fabricam citações e erram números de estudos quando respondem de memória — ancore-os em texto colado, ou use uma ferramenta feita para esse fim, que vincula cada afirmação a uma fonte.
Resumos de IA são material de referência, não conselho médico; a decisão de tratamento e a responsabilidade permanecem com o médico licenciado.
Use apenas detalhes de casos hipotéticos ou anonimizados — a descrição do caso de um paciente real colada em uma ferramenta para consumidor ainda pode ser PHI identificável.
De onde isso vem
Cada caso de uso deste site se baseia em relatos reais que os médicos em atividade compartilham — nada foi inventado por nós.