Evaluation of large language model–generated information in diabetes health patient education: a scoping review
Bewertung von durch Large Language Models erzeugten Informationen in der Diabetes-Patientenedukation: Scoping Review
Frontiers in Public Health · 23.06.2026 · 14
DOI: 10.3389/fpubh.2026.1850486 ↗Auf einen Blick
21 Studien zeigen: LLMs schnitten bei Genauigkeit und Vollständigkeit gut ab, bei Lesbarkeit, Zuverlässigkeit und Nutzbarkeit bestanden jedoch deutliche Grenzen.
Fragestellung
Welche Forschungsarbeiten gibt es zu LLM-generierten Informationen für die Diabetes-Patientenedukation, und wie sind deren Anwendungsstatus und Leistung?
Methode
Scoping Review nach JBI-Guidance; Suche in 5 Datenbanken bis 26. März 2026.
Ergebnisse
21 Studien aus 9 Ländern. Fünf Anwendungsbereiche: allgemeine Gesundheits-, Ernährungs-, Komplikations-, Bewegungs- und Technologieedukation. LLMs zeigten gute Genauigkeit und Vollständigkeit, aber Grenzen bei Lesbarkeit, Zuverlässigkeit und Nutzbarkeit.
Einschränkungen
Es bestehen deutliche technische und ethische Probleme, darunter Datensicherheit, Fairness, Patientensicherheit und Haftung.
Schlussfolgerung der Autor:innen
Trotz technischer und ethischer Herausforderungen haben LLMs als unterstützendes Werkzeug in der Diabetes-Patientenedukation Potenzial.
Kernaussagen
- 21 Studien aus 9 Ländern wurden eingeschlossen.
- LLMs waren meist genau und vollständig.
- Lesbarkeit, Zuverlässigkeit, Nutzbarkeit und Ethik bleiben problematisch.
Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.
Kurz gefasst
Scoping Review in der Zeitschrift Frontiers in Public Health, online erschienen am 23.06.2026. Verfasst von Shiya Hu und 2 weiteren Autor:innen. Beteiligte Einrichtung: Department of Education, The Affiliated People's Hospital of Fujian University of Traditional Chinese Medicine, Fuzhou, Fujian, China. Hauptthemen laut MEDLINE: Large Language Models, Patient Education as Topic, Diabetes Mellitus. Die Arbeit wurde bisher 1-mal zitiert (Crossref) und nennt 50 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Themen: Künstliche Intelligenz in der Pflege, Selbstmanagement bei chronischen Erkrankungen, Diabetes mellitus
Abstract (Originalsprache)
Background
Diabetes is a leading cause of disability and death, posing a heavy healthcare burden globally. While standardized health education is crucial for glycemic control and mitigation of complications, traditional educational models face challenges due to insufficient scalability. The ongoing development of AI-based large language model (LLM) methods and technologies presents significant opportunities for health education in the field of diabetes.
Objective
A scoping review of research on LLM-generated information for diabetes patient health education: Synthesizing current application status and performance outcomes.
Methods
The Joanna Briggs Institute (JBI) evidence-based healthcare centre's scoping review guidance was utilized as the methodological framework, then five databases (PubMed, Embase, Web of Science, (American Psychological Association) APA PsycNet, and The Cochrane Library) were searched to retrieve studies from their inception to March 26, 2026. Two reviewers independently performed literature screening, full-text reading, and data extraction.
Results
A total of 21 studies from nine countries were included. Application scenarios were categorized into five domains: general health education, dietary education, complication education, exercise education and technology education. Overall, the existing evidence indicates that LLMs perform well in terms of accuracy and completeness; however, significant limitations remain in readability, reliability, and usability. Moreover, ethical and safety concerns are prominent, including data security, fairness, patient safety, and liability.
Conclusion
Despite existing technical and ethical challenges, LLMs still have potential as an auxiliary tool in diabetes health education. Future research needs to enhance technical design optimization, develop patient-centered designs, standardize evaluation metrics, and structured ethical oversight to further validate their practical application effects in diabetes health education for patients with diabetes.
Schlagwörter
MeSH-Schlagwörter (MEDLINE)
Stichwörter der Autor:innen
Autor:innen und Institutionen
- Department of Education, The Affiliated People's Hospital of Fujian University of Traditional Chinese Medicine, Fuzhou, Fujian, China.
- School of Nursing, Fujian University of Traditional Chinese Medicine, Fuzhou, Fujian, China.
- Department of Respiratory and Critical Care Medicine, Lishui Central Hospital, Lishui, Zhejiang, China.
Zitieren
APA
Hu, S., Lin, B., & Lin, F. (2026). Evaluation of large language model–generated information in diabetes health patient education: a scoping review. Frontiers in Public Health, 14. https://doi.org/10.3389/fpubh.2026.1850486
Vancouver
Hu S, Lin B, Lin F. Evaluation of large language model–generated information in diabetes health patient education: a scoping review. Frontiers in Public Health. 2026;14. doi:10.3389/fpubh.2026.1850486
BibTeX
@article{Hu2026,
author = {Hu, Shiya and Lin, Binfen and Lin, Fenglan},
title = {Evaluation of large language model–generated information in diabetes health patient education: a scoping review},
journal = {Frontiers in Public Health},
year = {2026},
volume = {14},
doi = {10.3389/fpubh.2026.1850486}
}
EUVIMED