📄 Category

health informatics

239 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

Adaptation and Psychometric Validation of a Facility-Level Tool to Assess Telemedicine Readiness in Primary Care

Cette étude a adapté et validé psychométriquement l'Inventaire de préparation à la télémédecine au niveau des établissements (TRI-F) en utilisant des données provenant de 774 établissements de soins primaires au Pérou, démontrant sa validité structurelle, sa cohérence interne et son utilité pour l'étalonnage et l'orientation de la planification de la mise en œuvre de la télémédecine.

Escobar-Agreda, S., Villarreal-Zegarra, D., Reategui-Rivera, C. M., Paredes-Gonzales, Y., Rojas-Mezarina, L.2026-07-10
📄 health informatics

Does OMOP CDM Conversion Improve Cross-Country Comparability of Real-World Data? A Benchmark Study in Breast Cancer and Amyotrophic Lateral Sclerosis

Cette étude de référence démontre que si la conversion de données du monde réel provenant du Danemark, de la Finlande et du Portugal vers le modèle de données commun OMOP permet des comparaisons transfrontalières sémantiquement alignées pour le cancer du sein et la SLA, elle n'élimine pas l'hétérogénéité sous-jacente des données, nécessitant un étalonnage itératif par rapport aux données natives et à l'expertise clinique pour garantir des perspectives épidémiologiques valides.

Aborageh, M., Korcinska Handest, M. R., Bakos, I., Rajamaki, B., Silva, C., Horvath-Puho, E., Pylkkaenen, L., Venda, C. (…)2026-07-09
📄 health informatics

A large language model-assisted workflow for generating a living evidence base for climate-sensitive foodborne disease

Cette étude démontre qu'un flux de travail assisté par un LLM, combinant des recherches structurées avec un raffinement itératif via GPT-4-Turbo, peut générer efficacement une base de preuves vivantes, rapide, évolutive et pertinente pour les politiques en matière de maladies d'origine alimentaire sensibles au climat, avec un rappel élevé et une cohérence de sélection améliorée.

Elson, R., McIntyre, K. M., Hardingham, M. B., Luechtefeld, T., Lake, I. R.2026-07-08
📄 health informatics

RenalTransLSTM: Multi-Horizon Prediction of Acute Kidney Injury in ICU Patients using a Hybrid LSTM-Transformer Architecture

RenalTransLSTM est un cadre d'apprentissage profond hybride qui combine les architectures LSTM et Transformer afin de parvenir à une prédiction multi-horizon supérieure de l'insuffisance rénale aiguë chez les patients en soins intensifs en capturant efficacement à la fois la dynamique temporelle locale et les dépendances contextuelles globales dans les dossiers de santé électroniques.

Badhon, S. M. S. I., Adibuzzaman, M., Mosa, A. S. M., Bozdag, S., Cleveland, A. D., Ding, J., Hossain, K. S. M. T.2026-07-06
📄 health informatics

Supervised Contrastive Learning-based Digital Biomarker Discovery for Wearable IMU Gait Signals

Cette étude introduit l'Embedding-Distance Gait Biomarker (EDGB), un cadre d'apprentissage contrastif supervisé qui utilise un réseau de neurones convolutifs compact pour extraire des représentations latentes robustes de 32 dimensions à partir de signaux bruts d'IMU portables, atteignant une précision élevée dans la distinction entre les modes de marche sains, neurologiques et orthopédiques tout en démontrant une forte fiabilité et une différenciation de groupe significative.

Mohtavipour, S. M.2026-07-04
📄 health informatics

Combining VEGFR tyrosine kinase inhibitors and PD-1/PD-L1 inhibitors versus VEGFR tyrosine kinase inhibitors monotherapy in renal cell carcinoma: a target trial emulation

Cette étude d'émulation d'essais cliniques utilisant des données en vie réelle démontre que la combinaison d'inhibiteurs de PD-1/PD-L1 avec des inhibiteurs de la tyrosine kinase du VEGFR améliore significativement le temps de survie moyen restreint chez les patients atteints de carcinome à cellules rénales par rapport à la monothérapie par inhibiteur de la tyrosine kinase du VEGFR, soutenant ainsi la généralisabilité de la thérapie combinée malgré des risques non proportionnels.

Shi, D., Li, X., Chen, Y., Chen, Y., Song, Q., Su, J.2026-07-02
📄 health informatics

A foundation model of wearable pulse oximetry reveals physiological signatures of health and cardiometabolic risk

L'article présente PulseOx-FM, un modèle de fondation auto-supervisé entraîné sur des millions de segments de pulsioximétrie portables qui surpasse les méthodes existantes dans la prédiction de divers risques de santé cardiométabolique et neuropsychiatrique, incluant l'hypertension future et les états glycémiques du lendemain, établissant ainsi un outil puissant de stratification des risques de santé mondiale non invasif.

Kohn, S., Lutsker, G., Diament, A., Shilo, S., Gabet, A., Sasson, G., Wolf, G., Wolf, A., Godneva, A., Weinberger, A., R (…)2026-07-02
📄 health informatics

Evaluating Generative Video AI for Standardized Psychiatric Patient Simulation With Graded Hygiene Deterioration.

Cette étude pilote démontre la faisabilité technique de l'utilisation de l'IA vidéo générative pour créer des simulations standardisées de patients psychiatriques présentant une détérioration graduée de l'hygiène, tout en soulignant que bien que la modulation de l'apparence soit réalisable, les artefacts de motricité fine nécessitent une supervision humaine experte avant tout déploiement clinique.

Mwangi, B., Jabbar Abdl Sattar Hamoudi, H., Wu, M.-J., Martin, A., Soares, J. C., Soutullo, C. A.2026-06-25
📄 health informatics

Predicting Depression and Anxiety Progression in Multiple Sclerosis from Longitudinal Clinical Data Using Machine Learning

Cette étude démontre que si les modèles de boosting de gradient utilisant des données structurées de dossiers de santé électroniques peuvent prédire la progression de la dépression et de l'anxiété chez les patients atteints de sclérose en plaques, leur pouvoir prédictif limité (R² ≤ 0,28) est dominé par les scores de base reflétant une régression vers la moyenne, indiquant que des sources de données plus riches au-delà des variables cliniques structurées sont nécessaires pour des prévisions individuelles significatives.

Specht, B., Garbaya, S., Schneider, R., Khadraoui, D., Chavarriaga, R., Tayeb, Z.2026-06-25