Dataset com 1860 mensagens da área médica geradas pelo ChatGPT para classificações binárias O ChatGPT foi induzido a escrever mensagens novas, diferentes entre si, simulando mensagens que poderiam ser escritas por pessoas que são clientes de uma empresa operadora de saúde. As mensagens têm tamanhos variados, de 6 a 60 palavras, com linguagem coloquial, parte delas com erros de digitação, erros de português e emoticons. Na base de dados a classe “com necessidades médicas” é indicada pelo número “um” e a classe “sem necessidades médicas” é indicada pelo número “zero”, 50% de cada classe. Nas mensagens foram abordados os assuntos destacados a seguir: a) Com sintomas de doenças (1); b) Pedidos de agendamentos de consultas (1); c) Tem dúvida sobre tratamento médico ou procedimento (1); d) Solicitação de exames (1); e) Solicitação de internação (1); f) Não precisa de atendimento médico ou já teve seu problema resolvido (0); g) Agradece pelo contato da empresa (0); h) Reclama do contato da empresa (0); i) Fala que o atendimento médico recebido foi bom (0); j) Fala que o atendimento médico recebido foi neutro (0); k) Fala que o atendimento médico recebido foi ruim (0);
Dataset with 1860 messages in portuguese from the medical area generated by ChatGPT for binary classifications. ChatGPT was prompted to write new messages, each different from the others, simulating messages that could be written by people who are clients of a healthcare provider company. The messages vary in size, from 6 to 60 words, with colloquial language, some of them with typos, Portuguese errors, and emoticons. In the database, the class "with medical needs" is indicated by the number "one," and the class "without medical needs" is indicated by the number "zero," with 50% of each class. The following topics were addressed in the messages: a) With symptoms of diseases (1); b) Requests for appointment scheduling (1); c) Has doubts about medical treatment or procedure (1); d) Requests for exams (1); e) Requests for hospitalization (1); f) Does not need medical attention or has already had their problem resolved (0); g) Thanks for the company's contact (0); h) Complains about the company's contact (0); i) Says that the received medical care was good (0); j) Says that the received medical care was neutral (0); k) Says that the received medical care was bad (0).