📄 health informatics

Falsification Testing of Sepsis Prediction Models: Evaluating Independent Biological Signal After Controlling for Care-Process Intensity

चार नैदानिक डेटासेटों पर आधारित यह पूर्व-पंजीकृत मिथ्याकरण अध्ययन प्रदर्शित करता है कि जबकि प्रतिष्ठित शैक्षणिक केंद्रों में सेप्सिस भविष्यवाणी मॉडल देखभाल-प्रक्रिया की तीव्रता के बजाय मुख्य रूप से वास्तविक जैविक संकेतों का पता लगाते हैं, वे नैदानिक सेप्सिस परिभाषाओं और प्रशासनिक कोडिंग के बीच एक व्यवस्थित और परिणामोन्मुखी विचलन को प्रकट करते हैं जो बाद पर निर्भर नियामक मेट्रिक्स और एआई बेंचमार्क की वैधता को कमजोर करता है।

Dickens, A. R.2026-03-18
📄 health informatics

Persistent Proxy Discrimination in HIV Testing Prediction Models: A National Fairness Audit of 386,775 US Adults

386,775 अमेरिकी वयस्कों का यह राष्ट्रीय निष्पक्षता ऑडिट यह प्रदर्शित करता है कि विभेदक-भार वाले नैदानिक संदर्भों में एचआईवी परीक्षण भविष्यवाणी मॉडलों में जनसांख्यिकीय समानता (डेमोग्राफिक पैरिटी) को लागू करना अनुचित है, क्योंकि यह उच्च-जोखिम वाले समूहों के लिए स्क्रीनिंग पहुंच को महत्वपूर्ण रूप से कम करता है और उन निष्पक्षता मेट्रिक्स जैसे कि ईक्वलाइज्ड ऑड्स और कैलिब्रेशन की आवश्यकता को रेखांकित करता है जो नैदानिक आवश्यकताओं के अनुरूप हों।

Farquhar, H.2026-03-16
📄 health informatics

WITHDRAWN: Determinants of Digital Health Technology Acceptance Among Healthcare Caregivers: A Structural Equation Modeling Approach

यह शोध पत्र, जिसका शीर्षक "Determinants of Digital Health Technology Acceptance Among Healthcare Caregivers: A Structural Equation Modeling Approach" है, गलत जानकारी प्रस्तुत करने के कारण medRxiv से वापस ले लिया गया है।

Popescu, E., Muller, T., Okonkwo, G.2026-03-16
📄 health informatics

WITHDRAWN: Causal Effects of Natural Language Processing-Enhanced Clinical Decision Support on Early Cognitive Impairment Detection: A Propensity Score Analysis Using Inverse Probability of Treatment Weighting

यह शोधपत्र medRxiv का एक वापस लिया गया अध्ययन है जिसने दावा किया था कि यह प्रारंभिक संज्ञानात्मक हानि का पता लगाने पर प्राकृतिक भाषा प्रसंस्करण-संवर्धित नैदानिक निर्णय समर्थन के कारण प्रभावों का विश्लेषण करता है, लेकिन इसे गलत जानकारी के साथ प्रस्तुत किए जाने के कारण वापस ले लिया गया था।

Dimitriou, A., Foster, M.2026-03-16
📄 health informatics

WITHDRAWN: Blockchain-Enabled Health Information Exchange Efficiency Across South Korean Hospital Networks: A Stochastic Frontier Analysis with Bayesian Model Averaging

इस वापस लिए गए अध्ययन ने 247 दक्षिण कोरियाई अस्पताल नेटवर्क के एक पैनल पर बेयसियन मॉडल एवरेजिंग के साथ स्टोकेस्टिक फ्रंटियर एनालिसिस का उपयोग करते हुए यह प्रदर्शित किया कि ब्लॉकचेन-सक्षम स्वास्थ्य सूचना विनिमय प्रणाली, एंडोजेनिटी और मॉडल अनिश्चितता को नियंत्रित करने के बाद भी, पारंपरिक प्लेटफार्मों की तुलना में तकनीकी दक्षता में महत्वपूर्ण रूप से सुधार करती है।

Park, J.-H., Kim, S.-Y.2026-03-16
📄 health informatics

WITHDRAWN: The Causal Impact of Natural Language Processing-Driven Clinical Decision Support on Sepsis Mortality in England: An Augmented Synthetic Control Analysis of NHS Trust-Level Data

यह शोध पत्र, जिसका मूल उद्देश्य इंग्लैंड में सेप्सिस मृत्यु दर पर एनएलपी-संचालित नैदानिक निर्णय सहायता के कारण प्रभाव का विश्लेषण करना था, गलत जानकारी प्रस्तुत करने के कारण medRxiv से वापस ले लिया गया है।

Whitfield, J. A., Graves, E. M.2026-03-16
📄 health informatics

WITHDRAWN: Longitudinal Impact of NLP-Augmented Clinical Decision Support on Cognitive Decline Detection in German Geriatric Primary Care: A Dynamic Panel Data Analysis Using System GMM Estimation

इस शोध पत्र को medRxiv से इसलिए वापस ले लिया गया है क्योंकि इसे गलत जानकारी के साथ प्रस्तुत किया गया था, जिससे एनएलपी-संवर्धित नैदानिक निर्णय सहायता पर इसके मूल निष्कर्ष अमान्य हो गए हैं।

Weber, M., Fischer, C.2026-03-16
📄 health informatics

Reward-Guided Generation Improves the Scientific Utility of Synthetic Biomedical Data

यह शोध पत्र RLSYN+REG को प्रस्तुत करता है, जो एक सुदृढीकरण शिक्षण (reinforcement learning) द्वारा संचालित जनरेटिव मॉडल है जो सिंथेटिक बायोमेडिकल डेटा की वैज्ञानिक उपयोगिता को महत्वपूर्ण रूप से बढ़ाता है, यह सुनिश्चित करते हुए कि इस पर प्रशिक्षित रिग्रेशन मॉडल वास्तविक डेटा पर प्रशिक्षित मॉडलों के गुणांकों (coefficients) और भविष्यवाणियों को सटीक रूप से पुनरुत्पादित करते हैं, साथ ही उच्च निष्ठा (fidelity) और गोपनीयता बनाए रखते हैं।

Jackson, N. J., Espinosa-Dice, N., Yan, C., Malin, B. A.2026-03-16
📄 health informatics

Early Parkinson's Revealed by Unlocking Longitudinal Omics at Population Scale

यह अध्ययन क्रोनोस (Chronos) को पेश करता है, जो एक गोपनीयता-संरक्षण ढांचा है जो पार्किंसंस रोग के लक्षणों के उभरने से कई साल पहले इसके प्रारंभिक आणविक हस्ताक्षरों की पहचान करने के लिए संग्रहित प्लाज्मा नमूनों को अनुदैर्ध्य नैदानिक रिकॉर्ड के साथ जोड़ता है, और कई स्वतंत्र समूहों में 0.76 की भविष्य कहने वाली सटीकता प्राप्त करता है।

Feng, C., Kosti, I., Guo, Y., Wang, Y., Watson-Haigh, N. S., File, B., Hin, N., Nanasi, T., Guo, J., Suchecki, R., Tearl (…)2026-03-14
📄 health informatics

Comparative Evaluation of Logistic Regression and Gradient Boosting Models for Influenza Outbreak Early-Warning Using U.S. CDC ILINet Surveillance Data (2010-2025)

यह अध्ययन प्रदर्शित करता है कि लॉजिस्टिक रिग्रेशन और ग्रेडिएंट बूस्टिंग दोनों मॉडल 2010 से 2025 तक के अमेरिकी सीडीसी ILINet निगरानी डेटा का उपयोग करके राष्ट्रीय इन्फ्लुएंजा प्रकोपों का पता लगाने में लगभग पूर्ण सटीकता प्राप्त करते हैं, जो प्रारंभिक चेतावनी को थ्रेशोल्ड-आधारित बाइनरी वर्गीकरण समस्या के रूप में फ्रेम करने की परिचालन उपयोगिता को मान्य करता है।

Onwuameze, C. N., Madu, V.2026-03-13