📄 Category

health informatics

159 articoli

La sanità informatica rappresenta l'intersezione vitale tra dati medici e tecnologia, trasformando come raccogliamo, analizziamo e utilizziamo le informazioni per migliorare la cura dei pazienti. Questo campo innovativo non si limita alla gestione digitale delle cartelle cliniche, ma abbraccia l'intelligenza artificiale applicata alla diagnostica e agli strumenti che aiutano i ricercatori a scoprire nuovi modelli nelle grandi masse di dati sanitari.

Su Gist.Science, ogni nuovo preprint pubblicato su medRxiv in questa categoria viene elaborato con cura. Offriamo per ciascun studio una sintesi in linguaggio semplice per il pubblico generale e un riassunto tecnico dettagliato per gli specialisti, rendendo la ricerca complessa immediatamente accessibile senza sacrificare il rigore scientifico.

Di seguito troverete l'elenco aggiornato degli ultimi studi pubblicati su medRxiv in questo settore, pronti per essere esplorati nelle loro diverse forme di sintesi.

Unmeasured but Not Unbiased: The Missingness Demographic Leakage Audit (MDLA) for Calibration-Aware Fairness Evaluation in Critical Care Mortality Prediction

Questo articolo introduce l'Audit di Perdita Demografica da Mancanza (MDLA), un framework riproducibile che rivela come i modelli di mortalità in terapia intensiva, basati su dati clinici mancanti, possano agire come proxy demografici sottili e non misurati, rendendo necessaria l'integrazione di audit consapevoli della mancanza e valutazioni consapevoli della calibrazione nelle pipeline di validazione dell'IA clinica.

Patel, K., Beedala, P.2026-05-03📄 health informatics

Disease Risk Prediction Using Structured EHR Data: Can Generalist Large Language Models Match Specialized Clinical Foundation Models? A Comparative Evaluation with Fine-Tuning

Questa valutazione comparativa dimostra che, sebbene i modelli linguistici di grandi dimensioni generalisti finemente sintonizzati generalmente abbiano prestazioni inferiori rispetto ai modelli fondazionali clinici specializzati nella previsione del rischio di malattia da cartelle cliniche elettroniche strutturate, gli embedding generati da LLM accoppiati a classificatori leggeri possono raggiungere prestazioni superiori sia nelle metriche AUROC che AUPRC.

Mao, B., Prasadha, M. K., Xie, Z., He, J., Ghebranious, M., Xu, H., Zhi, D., Rasmy, L.2026-05-01📄 health informatics

Protocol for the REVELIO test-track pilot study: a randomised, controlled, single-centre trial in healthy recreational cannabis users investigating real-time in-vehicle detection of cannabis-impaired driving

Il protocollo REVELIO delinea uno studio pilota randomizzato e controllato su una pista di prova chiusa, progettato per valutare la fattibilità di un sistema multimodale a bordo veicolo per rilevare la guida sotto l'influenza della cannabis in utenti ricreativi sani, correlando dati veicolari, del conducente e biologici dopo somministrazione controllata di THC.

Bechny, M., Deuber, R., Heck, C., Brügger, J., Pfäffli, M., Jovanova, M., Fleisch, E., Wortmann, F., Weinmann, W.2026-05-01📄 health informatics

AERO: An AI Agent for Adaptive Eligibility Refinement and Optimization of Clinical Trial Criteria in Real-World Trial Emulation

Il documento introduce AERO, un framework di agenti AI che ottimizza i criteri di eleggibilità per gli studi clinici per l'emulazione dei dati del mondo reale sfruttando i modelli linguistici di grandi dimensioni per classificare e affinare sistematicamente i criteri, migliorando così la generalizzabilità e l'accuratezza delle stime dell'effetto del trattamento, come dimostrato in un'emulazione dello studio WARCEF.

Li, X., James, J., Pellikka, P. A., Zong, N.2026-05-01📄 health informatics

Integrating Group and Individual Fairness Auditing in Clinical AI: A Post-Hoc, Model-Agnostic Approach

Questo articolo introduce EquiLense, uno strumento di audit pratico, a posteriori e indipendente dal modello che colma il divario tra le valutazioni di equità di gruppo e individuali nell'IA clinica, sfruttando una nuova metrica denominata Differenza Media delle Probabilità Previste (MPPD) per identificare incoerenze sistematiche nelle previsioni tra diversi gruppi demografici.

Xu, J., Hwang, Y. M., Kondareddy, S., Dormoy, I., Jing, S. L., Pillai, M., Curtin, C. M., Hernandez-Boussard, T.2026-04-30📄 health informatics

MIMIC-IV-Phenotype-Atlas (MIPA) : A Publicly Available Dataset for EHR Phenotyping

Il paper presenta MIPA, il primo dataset pubblico di riferimento per il fenotipaggio dei dati sanitari, che offre annotazioni esperte su 16 condizioni cliniche e un pipeline di elaborazione per valutare e confrontare in modo standardizzato diversi metodi, dimostrando come i modelli LLM superino le tecniche basate su regole e machine learning tradizionale.

Yamga, E., Goudrar, R., Despres, P.2026-04-24📄 health informatics

Stakeholder perspectives on the use of enhanced mobile phone capabilities for public health surveillance for non-communicable disease risk factors: A qualitative study

Questo studio qualitativo condotto in Uganda evidenzia che, sebbene gli strumenti basati sui telefoni cellulari possano potenziare la raccolta di dati sui fattori di rischio delle malattie non trasmissibili nei contesti a risorse limitate, la loro implementazione responsabile richiede di affrontare sfide etiche, legali e sociali relative alla privacy, al consenso informato e all'equità.

Mwaka, E. S., Nabukenya, S., Kasiita, V., Bagenda, G., Rutebemberwa, E., Ali, J., Gibson, D.2026-04-23📄 health informatics

Decision Curve Analysis for Evaluating Machine Learning Models for Next-Day Transfer Out of ICU

Questo studio utilizza l'analisi delle curve decisionali su dati MIMIC-IV per dimostrare che i modelli di machine learning per prevedere i trasferimenti dall'ICU offrono un beneficio decisionale superiore rispetto alle strategie cliniche standard, permettendo di selezionare soglie operative che bilanciano l'efficienza del flusso di lavoro con le risorse disponibili.

Pozo, M., Pape, A., Locke, B., Pettine, W. W.2026-04-21📄 health informatics