180 पेपर
इस कोहोर्ट अध्ययन ने पाया कि रैंडमाइज्ड कंट्रोल्ड ट्रायल्स में अखंडता संबंधी चिंताओं के लिए जारी की गई संपादकीय प्रतिक्रिया का प्रकार (वापसी, चिंता की अभिव्यक्ति, या संपादकीय नोटिस) नियंत्रण परीक्षणों की तुलना में भविष्य की उद्धरण दरों (साइटेशन रेट्स) को महत्वपूर्ण रूप से प्रभावित नहीं करता है या उद्धरण गिरावट को त्वरित नहीं करता है।
यह अध्ययन एक गवर्नेंस-संचालित हेल्थ इंफॉर्मेटिक्स फ्रेमवर्क प्रस्तुत करता है जो ऑन्कोलॉजी और जटिल पुरानी स्थितियों (क्रोनिक कंडीशंस) के लिए स्वास्थ्य उपयोग पूर्वानुमानों की सटीकता को पारंपरिक स्थिर मार्केट-शेयर दृष्टिकोणों की तुलना में महत्वपूर्ण रूप से सुधारने के लिए वास्तविक दुनिया के अनुदैर्ध्य (लोंगीटुडिनल) डेटा का लाभ उठाते हुए रोगी उपचार अनुक्रमण (सीक्वेंसिंग), निरंतरता और प्रदाता अंगीकरण (अडॉप्शन) को मॉडल करता है।
यह अध्ययन तंत्रिका संबंधी शब्दावली (neurological terminology) पर 15 स्थानीय रूप से तैनात करने योग्य लार्ज लैंग्वेज मॉडल्स की प्रतिनिधिक सुदृढ़ता (representational robustness) का मूल्यांकन करता है, जो यह प्रकट करता है कि हालांकि प्रदर्शन आम तौर पर मॉडल के आकार के साथ बढ़ता है, फिर भी न तो आकार और न ही मेडिकल फाइन-ट्यूनिंग नैदानिक विश्वसनीयता की गारंटी देती है क्योंकि शब्दावली की जटिलता और उप-क्षेत्र (subdomain) के आधार पर इसमें महत्वपूर्ण भिन्नताएं पाई जाती हैं।
यह अध्ययन प्रदर्शित करता है कि नैश बार्गेनिंग-आधारित मल्टी-एजेंट लैंग्वेज मॉडल फ्रेमवर्क, सिंगल-मॉडल बेसलाइन की तुलना में कम सेवा प्राप्त मेडिकेड रोगियों के लिए देखभाल योजनाओं की सुरक्षा और दक्षता में महत्वपूर्ण सुधार करता है, जबकि यह इस बात पर प्रकाश डालता है कि इक्विटी (समता) के लिए मल्टी-ऑब्जेक्टिव ऑप्टिमाइज़ेशन से स्वतः उभरने के बजाय स्पष्ट डिज़ाइन ध्यान की आवश्यकता होती है।
AutoscriberValidate अध्ययन यह प्रदर्शित करता है कि एम्बिएंट डिजिटल स्क्राइब Autoscriber का उपयोग करने से स्वास्थ्य सेवा प्रदाताओं के टाइपिंग कार्यभार में काफी कमी आती है और विभिन्न प्रकार की दस्तावेज़ीकरण त्रुटियों को कम करके इलेक्ट्रॉनिक मेडिकल नोट्स की समग्र गुणवत्ता में सुधार होता है।
जॉर्डन में 500 रोगियों के एक क्रॉस-सेक्शनल सर्वेक्षण से पता चलता है कि स्वास्थ्य सेवा में एआई (AI) के संबंध में सशर्त आशावाद तो है, लेकिन इसकी स्वीकृति मानव चिकित्सक की भागीदारी बनाए रखने, पारदर्शिता और गोपनीयता सुनिश्चित करने, और शिक्षा एवं डिजिटल साक्षरता से जुड़ी असमानताओं को दूर करने पर अत्यधिक निर्भर है।
यह अध्ययन नेपाल में मासिक तपेदिक (टीबी) की घटनाओं का सटीक पूर्वानुमान लगाने के लिए दस वर्षों के राष्ट्रीय निगरानी डेटा का उपयोग करते हुए एक नवीन हाइब्रिड SARIMA-CNNAR मॉडल विकसित और मान्य करता है, जो साक्ष्य-आधारित सार्वजनिक स्वास्थ्य नियोजन में सहायता के लिए स्टैंडअलोन सांख्यिकीय और मशीन लर्निंग बेंचमार्क की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
MedOS एक सामान्य-उद्देश्य वाला एम्बोडीड वर्ल्ड मॉडल है जो एक दोहरी-प्रणाली वास्तुकला का उपयोग करके जटिल चिकित्सा प्रक्रियाओं को स्वायत्त रूप से निष्पादित करने, प्रतिकूल घटनाओं का अनुकरण करने और जूनियर एवं सीनियर चिकित्सकों के बीच प्रदर्शन के अंतर को कम करके नैदानिक विशेषज्ञता का लोकतंत्रीकरण करने के माध्यम से अमूर्त नैदानिक तर्क और भौतिक हस्तक्षेप के बीच की खाई को पाटता है।
यह अध्ययन प्रदर्शित करता है कि लार्ज लैंग्वेज मॉडल्स का उपयोग करने वाला एक पूर्णतः स्वचालित पाइपलाइन, मानव-लिखित समकक्षों की तुलना में उद्धरण सटीकता और विशेषज्ञ-रेटेड गुणवत्ता के साथ व्यवस्थित समीक्षाएं (सिस्टमैटिक रिव्यूज) उत्पन्न कर सकता है, जबकि साथ ही सूचना की व्यापकता में महत्वपूर्ण सीमाओं और वैज्ञानिक प्रकाशन में नए सत्यापन मानकों और एआई साक्षरता की तत्काल आवश्यकता को भी उजागर करता है।
यह अध्ययन 3,40,,000 से अधिक ऐप स्टोर समीक्षाओं पर एक ग्राफ न्यूरल नेटवर्क-आधारित सेंटीमेंट एनालिसिस मॉडल का उपयोग करता है ताकि यह पहचान की जा सके कि जहाँ साउंड मास्किंग और स्लीप सपोर्ट जैसी चिकित्सीय विशेषताएँ सकारात्मक उपयोगकर्ता भावना को प्रेरित करती हैं, वहीं मूल्य निर्धारण, विज्ञापनों और तकनीकी स्थिरता से संबंधित मुद्दे टिनिटस प्रबंधन ऐप्स में सुधार के प्रमुख क्षेत्र बने हुए हैं।