health informatics पेपर

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

📄 स्वास्थ्य सूचना विज्ञान

Self-Reported Side Effects of Semaglutide and Tirzepatide in Online Communities

इस अध्ययन ने 4,10,000 से अधिक रेडिट पोस्ट का विश्लेषण किया है जिससे यह पता चला है कि जबकि गैस्ट्रोइंटेस्टाइनल (जठरांत्र) लक्षण सेमाग्लुटाइड और टिरज़ेपाटाइड के सबसे आम स्व-रिपोर्ट किए गए दुष्प्रभाव हैं, ऑनलाइन समुदाय प्रजनन और तापमान संबंधी चिंताओं जैसी उभरती समस्याओं को भी उजागर करते हैं जो अक्सर नैदानिक परीक्षणों और आधिकारिक लेबलिंग में कम प्रतिनिधित्व पाती हैं।

Sehgal, N. K. R., Tronieri, J. S., Ungar, L., Guntuku, S. C.2026-03-13

📄 स्वास्थ्य सूचना विज्ञान

Decoupling Reasoning and Reward: A Modular Approach for Stable Alignment of Small Clinical Language Models

यह शोध पत्र एक मॉड्यूलर, अडैप्टर-आधारित ढांचे को प्रस्तुत करता है जो छोटे नैदानिक भाषा मॉडलों के संरेखण (अलाइनमेंट) को स्थिर करने के लिए रीजनिंग सुपरविजन को रिवॉर्ड ट्यूनिंग से अलग करता है, जिससे गोपनीयता या दक्षता से समझौता किए बिना मजबूत, ऑडिट योग्य और सटीक प्रदर्शन प्राप्त होता है।

Bhattacharyya, K., Kamabattula, S.2026-03-13

📄 स्वास्थ्य सूचना विज्ञान

The Orphanet Nomenclature and Classification of rare diseases: a standard terminology for improved patient recognition and data interoperability

यह शोधपत्र ऑर्फ़नेट नेमोनक्लेचर एंड क्लासिफिकेशन सिस्टम को दुर्लभ रोगों के लिए एक व्यापक, बहुभाषी और अंतर-संचालनीय मानक के रूप में प्रस्तुत करता है, जो इसके जुलाई 2025 के अपडेट का विवरण देता है जिसमें वैश्विक डेटा साझाकरण, सटीक रोगी पहचान और बेहतर स्वास्थ्य परिणामों की सुविधा के लिए प्रमुख चिकित्सा शब्दावलियों के विस्तृत मैपिंग के साथ लगभग 10,000 नैदानिक संस्थाएं शामिल हैं।

Lucano, C., Lagorce, D., Olry, A., Ali, H., Lanneau, V., De Carvalho, M., Dilsizoglu Senol, A., Fructuoso, M., Gaillard (…)2026-03-12

📄 स्वास्थ्य सूचना विज्ञान

The Risk Factors, Detection and Classification of Esophageal Cancer Using Ensemble Machine Learning Models

यह अध्ययन एक मल्टी-सीड रणनीति और रैंडम फॉरेस्ट-आधारित फीचर रैंकिंग का उपयोग करते हुए एक सुदृढ़ एन्सेम्बल मशीन लर्निंग फ्रेमवर्क प्रस्तुत करता है, जो इथियोपिया में इसोफेजियल कैंसर का पता लगाने में लगभग पूर्ण सटीकता (98.3%) और शून्य फॉल्स नेगेटिव प्राप्त करता है, यह प्रदर्शित करते हुए कि आहार संबंधी और पर्यावरणीय जोखिम कारकों पर केंद्रित कम फीचर सेट संसाधन-सीमित परिवेशों में शीघ्र निदान में प्रभावी रूप से सहायता कर सकते हैं।

Gaso, M. S., Mekuria, R. R., Cankurt, S., Deybasso, H. A., Abdo, A. A., Abbas, G. H.2026-03-11

📄 स्वास्थ्य सूचना विज्ञान

Cross-Attention Enables Context-Aware Multimodal Skin Lesion Diagnosis

यह अध्ययन प्रदर्शित करता है कि एक क्रॉस-अटेंशन-आधारित मल्टीमॉडल डीप लर्निंग फ्रेमवर्क, जो डर्मोस्कोपिक छवियों को रोगी मेटाडेटा के साथ प्रभावी ढंग से एकीकृत करता है, त्वचा के घावों के निदान में बेहतर सटीकता और अंशांकन (कैलिब्रेशन) के साथ इमेज-ओनली और पारंपरिक फ्यूजन मॉडल दोनों से बेहतर प्रदर्शन करता है।

Mridha, K., Islam, H.2026-03-11

📄 स्वास्थ्य सूचना विज्ञान

Co-designing a virtual reality based mindfulness application to address diabetes distress using Artificial Intelligence-informed Experience-Based Co-Design (AI-EBCD): a feasibility study

इस व्यवहार्यता अध्ययन ने टाइप 2 मधुमेह वाले वयस्कों और माइंडफुलनेस अभ्यासकर्ताओं से अंतर्दृष्टि प्राप्त करने के लिए आर्टिफिशियल इंटेलिजेंस-सूचित अनुभव-आधारित सह-डिज़ाइन (AI-EBCD) का उपयोग किया, जिसके परिणामस्वरूप मधुमेह संकट को कम करने के उद्देश्य से एक वर्चुअल रियलिटी माइंडफुलनेस एप्लिकेशन के लिए एक अनुकूलित प्रोटोटाइप तैयार हुआ।

Ghosal, S., Zhang, M., Stanmore, E., Sturt, J., Bogosian, A., Woodcock, D., Milne, N., Mubita, W., Robert, G., O'Connor (…)2026-03-11

📄 स्वास्थ्य सूचना विज्ञान

Regression vs. Medical LLMs: A Comprehensive Study for CVD and Mortality Risk Prediction

यह अध्ययन LURIC डेटासेट का उपयोग करके हृदय रोग और मृत्यु दर के जोखिमों की भविष्यवाणी करने के लिए पारंपरिक प्रतिगमन मॉडलों (regression models) के विरुद्ध मेडिकल लार्ज लैंग्वेज मॉडल्स (MedLLMs) के प्रदर्शन का मूल्यांकन करता है, जिसमें यह पाया गया कि जहाँ अनुकूलित MedLLMs और बूस्टिंग तकनीकें 85% तक प्रतिस्पर्धी AUROC प्राप्त करती हैं, वहीं व्यवस्थित अति-पूर्वानुमान (over-prediction) को ठीक करने के लिए MedLLMs को अंशांकन समायोजनों (calibration adjustments) की आवश्यकता होती है।

KOM SANDE, S. D., Skorski, M., Theobald, M., Schneider, J., Marz, W.2026-03-11

📄 स्वास्थ्य सूचना विज्ञान

Variability in Automated Sepsis Case Detection: A Systematic Analysis of Implementation Methods in Clinical Data Repositories

यह व्यवस्थित समीक्षा (systematic review) प्रकट करती है कि MIMIC-III और eICU-CRD डेटाबेस में स्वचालित सेप्सिस केस डिटेक्शन के बीच महत्वपूर्ण पद्धतिगत विषमता (methodological heterogeneity) से डिटेक्शन दर में व्यापक भिन्नता आती है, जो सेप्सिस अनुसंधान में पुनरुत्पादकता (reproducibility) सुनिश्चित करने के लिए मानकीकृत रिपोर्टिंग और ओपन-सोर्स कोड की तत्काल आवश्यकता को रेखांकित करती है।

Meyer-Eschenbach, F., Schmiedler, R., Stoephasius, J. v., Zhang, C., Kronfli, L., Frey, N., Naeher, A.-F., Ehret, J., No (…)2026-03-10

📄 स्वास्थ्य सूचना विज्ञान

Time-to-event modeling with multimodal clinical and genetic features improves risk stratification of liver complications in chronic hepatitis C

यह अध्ययन प्रदर्शित करता है कि नैदानिक, आनुवंशिक और सामाजिक-आर्थिक डेटा को एकीकृत करने वाला एक व्याख्यात्मक, बहु-मोडल टाइम-टू-इवेंट ढांचा, पारंपरिक फाइब्रोसिस-आधारित मूल्यांकन की तुलना में क्रोनिक हेपेटाइटिस सी रोगियों में सिरोसिस, हेपैटोसेलुलर कार्सिनोमा और मृत्यु दर के जोखिम स्तरीकरण में महत्वपूर्ण सुधार करता है।

Islam, H., Arian, A., Franses, J. W., Ahsan, H.2026-03-09

← पिछला अगला →