health informatics articles

L'informatique de la santé se situe à la croisée des données médicales et de la technologie, transformant des informations brutes en connaissances actionnables pour améliorer les soins. Ce domaine englobe tout, de l'analyse de grands ensembles de données cliniques à la création d'outils numériques qui aident les médecins à prendre des décisions plus rapides et plus précises.

Sur Gist.Science, nous suivons de près les dernières avancées de ce secteur en traitant chaque nouveau prépublication soumise sur medRxiv. Pour chaque étude, nous proposons une explication claire en langage courant ainsi qu'un résumé technique détaillé, rendant la recherche complexe accessible à tous les publics.

Vous trouverez ci-dessous la sélection la plus récente de ces travaux, offrant un aperçu direct des innovations qui façonnent l'avenir de la médecine numérique.

📄 health informatics

Counterfactual Analysis of Executable Clinical Decision Logic

Cet article propose un cadre hybride d'aide à la décision qui intègre l'apprentissage par ensemble de règles pondéré par enquête avec la notation de modèle de décision (DMN) afin de transformer les recommandations cliniques narratives en une logique auditable et exécutable, démontrant sa capacité à classifier l'état du diabète et à quantifier la sensibilité du risque des patients à des réductions hypothétiques de l'IMC dans une cohorte dérivée de l'NHANES.

Maleki, C., Bertrand, Y., Gailly, F.2026-08-07

📄 health informatics

Quantifying User Engagement with the Helpilepsy Seizure Diary

Cet article introduit une métrique d'engagement multidimensionnelle pour le journal de crises Helpilepsy, utilisant l'analyse de regroupement pour identifier des groupes d'utilisateurs distincts et révélant que les patients hautement engagés sont typiquement plus âgés, avec des antécédents d'épilepsie plus longs et des schémas médicamenteux plus complexes, soulignant ainsi la nécessité de stratégies d'intégration ciblées pour les nouveaux patients et l'importance d'utiliser diverses fonctionnalités du journal au-delà du simple enregistrement des crises.

Davies, J., Biondi, A., Viana, P. F., Ampe, L., Schreiber, J., Richardson, M. P.2026-08-07

📄 health informatics

The EHR Density Index: A new method to control for EHR data inconsistency across patients

Cet article présente l'indice de densité du dossier de santé électronique (EDI), une nouvelle métrique dérivée des données de UNC Health qui quantifie le volume et la profondeur de la documentation indépendamment de la charge de morbidité afin de servir de contrôle de confusion dans la recherche en vie réelle basée sur les dossiers de santé électroniques.

Bhatia, A., Lash, S., McIntee, T., Pfaff, E.2026-08-06

📄 health informatics

Towards understanding the disease landscape of clinical trials in Germany: Ontology and embedding-based pipelines versus Large Language Models for ICD-10 Harmonization

Cette étude démontre que si une ontologie déterministe et un pipeline basé sur l'encodage peuvent partiellement harmoniser les données hétérogènes des conditions d'essais cliniques en Allemagne selon les normes CIM-10, les modèles de langage de grande taille (spécifiquement GPT-4o) les surpassent de manière significative en atteignant un accord quasi parfait avec le codage d'experts humains, offrant ainsi une solution supérieure pour l'analyse du paysage des maladies entre les registres.

Ndabashinze, R., Franzen, D., Kozuch, E., Aagerup, J., Fink, A., Yerunkar, S. S., Hunter, K., Mayo-Wilson, E., Ying, X. (…)2026-08-06

📄 health informatics

Is Lower Limb Movement Enough? Quantifying Overground Arm Swing Kinematics and Coordination to Assess Ageing Decline in Older Adults

Cette étude valide un algorithme de capteur portable pour quantifier la cinématique et la coordination du balancement des bras lors de la marche au sol chez les personnes âgées, révélant que la coordination bras-jambe est une dimension distincte et sensible de la stabilité de la marche qui décline avec la fragilité et l'atteinte neurologique, offrant ainsi une méthode évolutive pour détecter l'instabilité de la mobilité précoce au-delà des mesures traditionnelles de la vitesse de marche.

Tan, K. Z., Pai, S., Kim, Y. K., Frautschi, A., Gwerder, M., Tan, K. Y., Koh, V. J. W., Ravi, D., Taylor, W. R., Malhotr (…)2026-08-05

📄 health informatics

Digital Health Adoption, eHealth Literacy, and Trust in AI Among Generation Z University Students in Sri Lanka: An Empirical Study

Cette étude révèle que bien que les étudiants universitaires de la génération Z au Sri Lanka possèdent une grande littératie en e-santé et s'appuient de plus en plus sur l'IA pour obtenir des informations de santé, leur adoption des services de santé numériques reste limitée par d'importantes préoccupations relatives à la confidentialité et une préférence persistante pour les consultations traditionnelles en face à face.

Athukorala, S. C.2026-07-28✓ Author reviewed ⓘ

📄 health informatics

A digital health approach for identifying polyendocrine metabolic ovarian syndrome using machine learning and body temperature

Cette étude démontre la faisabilité de l'utilisation de modèles d'apprentissage automatique appliqués aux données de température corporelle portées pour prédire modérément le syndrome polyendocrinien métabolique ovarien (PMOS), suggérant un potentiel outil de dépistage numérique passif pour identifier les cas non diagnostiqués.

Awoniran, O. M., Lawlor, D. A., Gaunt, T. R., Millard, L. A. C.2026-07-27

📄 health informatics

Development and formative application of the Health Data Readiness Level framework for federated health-data services.

Cet article présente le développement et l'application formative du cadre du Health Data Readiness Level (HDRL), un outil multidimensionnel conçu pour évaluer la préparation organisationnelle et systémique aux services de données de santé fédérés à travers trois écosystèmes britanniques, tout en avertissant qu'il demeure un instrument de planification plutôt qu'une norme d'accréditation validée.

Seymour, D., Halliday, R., Smart, J., Burns, F.2026-07-27

📄 health informatics

Sex and menstrual cycle differences in the mood-activity association should inform cycle-aware digital phenotyping

Cette étude démontre que la relation entre l'activité physique et l'humeur varie considérablement selon le sexe et la phase du cycle menstruel, particulièrement chez les femmes, indiquant que les modèles de phénotypage numérique doivent tenir compte de ces facteurs biologiques pour éviter des prédictions biaisées et permettre des perspectives de santé mentale personnalisées.

Delray, K., Zeitler, J. K., Hayes, J. F., Kandola, A., Keay, N., Evans, R. J.2026-07-27

📄 health informatics

Selective prediction as a triage gate for primary-care depression screening: quantifying and mitigating selection bias in CHARLS-2011

Cette étude démontre que le biais de sélection cumulatif dans le dépistage de la dépression en soins primaires gonfle les mesures d'apprentissage automatique tout en déformant les associations épidémiologiques, et propose un cadre de prédiction sélective découplé utilisant une règle CART à quatre variables pour trier en toute sécurité seulement les 20 % de patients les plus fiables pour une notation algorithmique, tout en orientant le reste vers une évaluation humaine.

Wang, Z., liu, y.2026-07-22

← Précédent Suivant →