📄 medicine

Dataset of survey responses on Artificial Intelligence adoption in the healthcare sector of Bangladesh: Stakeholder perspectives from patients, providers, and administrators

Questo studio presenta un insieme di dati relativi alle risposte di sondaggi provenienti da stakeholder del settore sanitario bengalese, rivelando percezioni e una prontezza da moderate a positive per l'adozione dell'IA guidate dalla consapevolezza tecnologica, dall'innovatività personale e dall'influenza dei social media, offrendo così prove a sostegno della formulazione delle politiche e dell'implementazione di servizi sanitari basati sull'IA in Bangladesh.

Autori originali: Md. Hasan Tarek, Mohammad Rakibul Islam Bhuiyan, Saiful Islam

Pubblicato 2026-07-03

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Md. Hasan Tarek, Mohammad Rakibul Islam Bhuiyan, Saiful Islam

Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina il sistema sanitario del Bangladesh come una stazione ferroviaria enorme e frenetica. È un luogo dove milioni di persone (i pazienti) cercano di ricevere assistenza medica e un team dedicato di lavoratori (medici, infermieri e manager) cerca di far viaggiare i treni puntualmente. In questo momento, la stazione sta affrontando alcune difficoltà dovute alla crescita: è affollata, le risorse sono scarse e i vecchi modi di fare le cose stanno diventando un po' lenti.

Entra in scena l'Intelligenza Artificiale (IA). Pensa all'IA non come a un robot che prende il controllo della stazione, ma come a un pannello di controllo tecnologico, intelligente e super avanzato che potrebbe aiutare a gestire i treni in modo più efficiente, prevedere i ritardi prima che accadano e guidare i passeggeri verso la piattaforma giusta più velocemente.

Questo documento è essenzialmente un rapporto di indagine che chiede a tutti in stazione: "Cosa ne pensate dell'installazione di questo nuovo pannello di controllo?"

Ecco la suddivisione di ciò che i ricercatori hanno scoperto, utilizzando analogie semplici:

1. La squadra del sondaggio e la folla

I ricercatori (della Begum Rokeya University) non hanno chiesto solo ai manager della stazione; hanno chiesto a tutti. Hanno raccolto 515 persone provenienti da diversi ruoli:

I Passeggeri (Pazienti): Circa il 39% del gruppo.
I Manager della Stazione (Amministratori): Circa il 27%.
La Squadra Tecnica (Assistenti Tecnici): Circa il 21%.
I Capotreno (Medici e Infermieri): Un gruppo più piccolo (circa il 13%).

Hanno chiesto a queste persone di compilare una lista di controllo (un sondaggio) dove potevano valutare i loro sentimenti da "Fortemente in disaccordo" a "Fortemente d'accordo".

2. L'atmosfera generale: "Cautamente ottimista"

Se la stazione fosse una stanza piena di gente, l'umore non è "Odiamo questa idea!" e non è nemmeno "Ne abbiamo bisogno ieri!". È più simile a un ronzio moderato e positivo.

La maggior parte delle persone pensa che l'IA sia una buona idea.
Sono generalmente pronti a provarla.
I dati mostrano che le persone non sono terrorizzate; sono curiose e disposte a imparare.

3. Cosa spinge le persone a dire "Sì"?

I ricercatori hanno scoperto che tre elementi specifici agiscono come carburante per l'entusiasmo delle persone verso l'IA:

Sapere come funziona (Consapevolezza tecnologica): Più le persone capiscono cosa sia realmente l'IA (non solo magia, ma matematica e dati), più la apprezzano. È come capire come funziona un GPS: ti rende più propenso a fidarti di esso rispetto al seguire ciecamente le indicazioni di uno sconosciuto.
Essere un "Early Adopter" (Innovatività personale): Le persone che amano naturalmente provare nuovi gadget o app sono le prime a dire: "Facciamolo!". Sono quelle che comprano l'ultimo modello di telefono prima di tutti gli altri.
Sentirne parlare online (Influenza dei social media): Se le persone leggono storie positive sull'IA sui social media, si sentono più pronte ad accettarla. È come quando un amico dice: "Questo nuovo caffè è fantastico", e questo ti fa venire voglia di provarlo.

4. Il "Ma..." (Preoccupazioni)

Anche se l'atmosfera è positiva, ci sono alcuni dossoletti sulla strada:

Preoccupazioni per il lavoro: Circa la metà degli operatori sanitari teme che l'IA possa rubare loro il lavoro, come un robot che sostituisce un venditore di biglietti.
Timori per la privacy: Le persone temono che i loro segreti medici possano essere trapelati, similmente alla preoccupazione che qualcuno possa hackerare il proprio diario personale.
Il divario infrastrutturale: In alcune parti del paese (specialmente nelle aree rurali), le "linee elettriche" (internet) e le "strade" (computer) non sono ancora abbastanza forti da supportare questo pannello di controllo altamente tecnologico.

5. Il sondaggio ha senso? (Il controllo di qualità)

I ricercatori non si sono limitati a raccogliere risposte casuali; hanno controllato il loro lavoro per assicurarsi che il sondaggio fosse solido.

Affidabilità: Hanno controllato se le domande erano coerenti. Immagina di porre la stessa domanda a qualcuno in tre modi diversi; se la risposta è la stessa ogni volta, il sondaggio è affidabile. I dati hanno superato questo test.
Validità: Si sono assicurati che stessero effettivamente misurando ciò che dicevano di misurare. È come assicurarsi che un termometro misuri effettivamente la temperatura e non l'umidità. I dati hanno superato anche questo test.
Assenza di un singolo bias: Hanno controllato che una singola risposta non dominasse tutte le altre (come se tutti avessero risposto solo "Sì" a tutto). Le risposte erano varie e oneste.

6. Ciò che il documento non dice

È importante attenersi a ciò che questo specifico rapporto dichiara:

Questo documento non dice che l'IA sia attualmente utilizzata in ogni ospedale del Bangladesh.
Non afferma che l'IA abbia già guarito malattie o salvato vite in questo studio specifico.
Non fornisce una guida passo dopo passo su come costruire i sistemi di IA.

In sintesi:
Questo documento è un fermo immagine dell'umore. Ci dice che le persone nel sistema sanitario del Bangladesh sono pronte e disposte ad accogliere l'IA, a patto che siano istruite su di essa, che la loro sicurezza lavorativa sia rispettata e che l'infrastruttura di rete sia abbastanza forte da supportarla. La "stazione ferroviaria" è pronta per l'aggiornamento, ma l'installazione effettiva del pannello di controllo deve avvenire con cura e con il giusto supporto.

Sintesi Tecnica: Dataset di Risposte a Sondaggi sull'Adozione dell'Intelligenza Artificiale nel Settore Sanitario del Bangladesh

Problematica
Il settore sanitario del Bangladesh affronta sfide persistenti, tra cui inefficienze burocratiche, limitazioni delle risorse e accesso diseguale ai servizi. Sebbene l'iniziativa nazionale "Digital Bangladesh" abbia stabilito una base tecnologica, l'integrazione dell'Intelligenza Artificiale (IA) nella sanità rimane ostacolata da significativi divari nella consapevolezza e nella comprensione tra gli stakeholder. La letteratura esistente indica che, sebbene gli atteggiamenti generali verso l'IA siano positivi, esiste un sostanziale gap di conoscenza, in particolare tra i professionisti più anziani e coloro con una limitata esposizione digitale. Inoltre, persistono preoccupazioni riguardanti la perdita di posti di lavoro, la privacy dei dati e il bias algoritmico. Vi è un critico bisogno di dati empirici per comprendere i fattori specifici che influenzano la prontezza e l'adozione dell'IA tra diversi stakeholder (pazienti, fornitori e amministratori) per informare le strategie di policy e implementazione.

Metodologia
Questo studio impiega un approccio di ricerca quantitativa utilizzando un sondaggio strutturato per raccogliere dati da 515 rispondenti validi in tutto il Bangladesh tra gennaio 2024 e aprile 2026. I partecipanti rappresentano un cross-section diversificato dell'ecosistema sanitario, includendo pazienti (38,64%), organi gestionali (27,38%), assistenti tecnici (20,97%), medici (7,77%) e infermieri (5,24%). Il campione è prevalentemente maschile (63,30%) e altamente istruito, con la maggioranza che possiede titoli di Laurea/BBA/BSC (46,80%) o Master (33,40%).

La raccolta dei dati è stata condotta tramite un questionario online distribuito attraverso Google Forms e piattaia social. Lo strumento ha utilizzato una scala Likert a cinque punti (1–5) per misurare sette costrutti latenti chiave:

Percezione della Suscettibilità (PS)
Consapevolezza Tecnologica (TA)
Rischio Percepito (PR)
Innovatività Personale (PI)
Influenza dei Social Media (SMI)
Prontezza dell'IA (RAI)
Adattamento dell'IA (AAI)

Ogni costrutto è stato misurato da tre item specifici. Il dataset è stato sottoposto a un rigoroso pre-processing, inclusa la pulizia per rimuovere le incongruenze. L'analisi statistica è stata eseguita utilizzando Python (3.8.15) con librerie tra cui NumPy, SciPy e Pandas. Il framework analitico comprendeva:

Statistica Descrittiva: Per valutare la tendenza centrale e la distribuzione.
Test di Affidabilità e Validità: Sono stati calcolati l'Alpha di Cronbach, la Coerenza Costruttiva (CR) e la Varianza Media Estratta (AVE) per garantire la coerenza interna e la validità convergente.
Analisi Fattoriale: I test KMO (Kaiser-Meyer-Olkin) e di Sfericità di Bartlett sono stati utilizzati per confermare l'idoneità dei dati.
Valutazione del Bias: È stato condotto il test a fattore unico di Harman per controllare il bias del metodo comune.
Validità Discriminante: Valutata utilizzando il criterio di Fornell-Larcker e il rapporto Heterotrait-Monotrait (HTMT).

Contributi Chiave
Il contributo primario di questo lavoro è la pubblicazione di un dataset completo e pubblicamente disponibile (ospitato su Mendeley Data) contenente le risposte ai sondaggi di 515 stakeholder nel settore sanitario del Bangladesh. Lo studio fornisce:

Evidenza Empirica: Un profilo dettagliato delle percezioni, dei livelli di consapevolezza e della prontezza di pazienti, fornitori e amministratori riguardo l'adozione dell'IA.
Modello di Misurazione Validato: Lo studio dimostra che lo strumento di sondaggio possiede una soddisfacente affidabilità e validità, con tutti i costrutti che soddisfano le soglie standard per l'Alpha di Cronbach (>0,70), CR e AVE (>0,50).
Approfondimenti di Correlazione: L'analisi rivela correlazioni positive significative tra i costrutti, in particolare tra Innovatività Personale e Adattamento dell'IA ( $r=0,715$ ), e tra Prontezza e Adattamento ( $r=0,709$ ).
Contesto Demografico: Il dataset offre una visione granulare di come i livelli di istruzione e i ruoli professionali correlino con le percezioni dell'IA, evidenziando che il campione è sbilanciato verso demografie istruite.

Risultati
L'analisi indica che gli stakeholder in Bangladesh mostrano generalmente percezioni e prontezza da moderate a positive verso l'adozione dell'IA.

Risultati Descrittivi: I valori medi per la maggior parte dei costrutti oscillavano tra 2,90 e 3,34, suggerendo opinioni moderatamente positive piuttosto che polarizzate. I valori di asimmetria (skewness) erano leggermente negativi, indicando una tendenza verso risposte su scale più alte.
Affidabilità: Tutti i costrutti hanno dimostrato una forte coerenza interna, con punteggi dell'Alpha di Cronbach superiori a 0,70. I punteggi della Coerenza Costruttiva (CR) erano elevati, e i punteggi AVE superavano lo 0,50, confermando la validità convergente.
Analisi Fattoriale: Il valore KMO era 0,952 (eccellente) e il test di Bartlett era significativo ( $p < 0,001$ ), confermando l'idoneità del dataset per l'analisi fattoriale.
Validità Discriminante: Sia il criterio di Fornell-Larcker che i rapporti HTMT (prevalentemente inferiori a 0,85) hanno confermato che i costrutti sono distinti tra loro.
Driver Chiave: Fattori quali la consapevolezza tecnologica, l'innovatività personale e l'influenza dei social media sono risultati associati positivamente alla prontezza e all'adozione dell'IA. Nello specifico, gli individui con maggiore innovatività personale mostravano una maggiore probabilità di adottare servizi sanitari basati sull'IA.

Significatività e Rivendicazioni
Gli autori affermano che questo dataset fornisce una base di evidenza fondamentale per i decisori politici e gli amministratori sanitari in Bangladesh. Lo studio suggerisce che i rispondenti sono ricettivi verso i servizi sanitari guidati dall'IA, evidenziando il potenziale per espandere le applicazioni dell'IA all'interno del sistema nazionale. I risultati supportano la necessità di interventi educativi mirati per migliorare l'alfabetizzazione all'IA, in particolare tra i professionisti più anziani e coloro con una limitata esposizione digitale. Inoltre, i dati sottolineano l'importanza di affrontare le limitazioni infrastrutturali e di sviluppare quadri normativi robusti per la governance dei dati al fine di facilitare un'implementazione efficace.

Il documento riconosce modestamente i propri limiti, notando che la dimensione del campione (515) potrebbe non rappresentare pienamente l'intero settore sanitario del Bangladesh, e che lo studio si concentra sulle percezioni piuttosto che sui risultati effettivi dell'implementazione. Di conseguenza, gli autori pongono il lavoro come un passo preliminare verso la comprensione delle dinamiche di adozione dell'IA, offrendo una risorsa per ulteriori ricerche sulla reale efficacia e sulle tendenze a lungo termine dell'IA nel sistema sanitario della regione.