血液培养管理的多阶段分析：机器学习预测、专家建议评估与大语言模型自动化

本研究解决了血液培养过度订购的问题，造成医疗资源紧张和抗生素不当使用。通过开发机器学习模型，利用结构化电子健康记录数据和大语言模型提供的医生笔记，实现了更高的预测特异性和准确性，表明整合结构化和非结构化数据的机器学习模型能够有效提升诊断管理水平，超越现有的护理标准。