In de wereld van de gezondheidszorg speelt informatiekunde een steeds grotere rol. Dit vakgebied verbindt medische data met geavanceerde technologie om diagnoses te versnellen, behandelingen te optimaliseren en publieke gezondheid te bewaken. Het gaat hierbij niet alleen om cijfers, maar om het begrijpelijk maken van complexe patronen die levens kunnen redden.

Op Gist.Science verzamelen we de nieuwste inzichten uit dit dynamische veld, direct afkomstig van medRxiv. Voor elk nieuw preprint in deze categorie verwerken wij de inhoud grondig en leveren we zowel een heldere samenvatting in gewone taal als een gedetailleerde technische analyse. Zo maken we de wetenschap toegankelijk voor iedereen, ongeacht hun achtergrond.

Hieronder vindt u de meest recente publicaties uit de categorie Health Informatics, direct uit de medRxiv database.

📄 gezondheidsinformatica

Patient Attitudes Toward Artificial Intelligence in Jordanian Healthcare: A Cross-Sectional Survey Study

Deze cross-sectionele studie onder 500 patiënten in Jordanië toont aan dat hoewel er een zekere bereidheid bestaat voor AI in de gezondheidszorg, deze sterk afhankelijk is van vertrouwen, transparantie en de voorkeur voor menselijke betrokkenheid, waarbij lagere opleidingsniveaus en beperkte digitale vaardigheden de acceptatie belemmeren.

Al-Dabbas, Z., Khandakji, L., Al-Shatarat, N., Alqaisiah, H., Ibrahim, Y., Awed, T., Baik, H., Dawoud, M., Ali, R. A.-H. (…)2026-02-24
📄 gezondheidsinformatica

MedOS: AI-XR-Cobot World Model for Clinical Perception and Action

MedOS is een geavanceerd, op menselijke cognitie gebaseerd AI-systeem dat abstracte klinische redenering en fysieke interventie verenigt door een wereldmodel te gebruiken dat complexe medische procedures autonoom uitvoert en voorspelt, waardoor de prestatiekloof tussen junior en senior artsen wordt verkleind en klinische expertise wordt gedemocratiseerd.

Wu, Y. C., Yin, M., Shi, B., Zhang, Z., Yin, D., Wang, X., Wang, Y., Fan, J., Jin, R., Wang, H., Ying, K., Pang, K., Roj (…)2026-02-23
📄 gezondheidsinformatica

Fully Automated Systematic Review Generation via Large Language Models: Quality Assessment and Implications for Scientific Publishing

Deze studie toont aan dat een volledig geautomatiseerde AI-pipeline systematische reviews kan genereren met een hogere kwaliteitsscore dan een menselijk geschreven review, maar waarschuwt voor fundamentele beperkingen zoals herhaling en de noodzaak van nieuwe verificatiestandaarden om de wetenschappelijke integriteit te waarborgen.

McLaughlin, L., Walz, M. S., Arries, C.2026-02-23
📄 gezondheidsinformatica

Machine Learning Analysis of User Sentiments in Tinnitus Management Apps

Deze studie analyseerde ruim 342.000 gebruikersbeoordelingen van tinnitus-apps met een geavanceerd grafisch machine learning-model om te bepalen dat therapeutische functies over het algemeen positief worden ontvangen, terwijl aspecten als prijs, reclame en technische stabiliteit vaker negatief worden beoordeeld, waardoor ontwikkelaars en clinici waardevolle inzichten krijgen voor het verbeteren van digitale gezondheidszorg.

Yousaf, M. N., Anwar, M. N., Naveed, N., Haider, U.2026-02-22
📄 gezondheidsinformatica

Clinicians' Rationale for Editing Ambient AI-Drafted Clinical Notes: Persistent Challenges and Implications for Improvement

Deze studie, gebaseerd op interviews met 30 clinici, onthult dat redacties van door ambient AI gegenereerde medische notities voornamelijk noodzakelijk zijn om klinische nauwkeurigheid, juridische veiligheid en factureringseisen te waarborgen, en pleit voor gecoördineerde verbeteringen in modelbetrouwbaarheid, specialisatie-aanpassing en EHR-integratie om de samenwerking tussen mens en AI te versterken.

Guo, Y., Hu, D., Yang, Z., Chow, E., Tam, S., Perret, D., Pandita, D., Zheng, K.2026-02-22
📄 gezondheidsinformatica

Automation of Systematic Reviews with Large Language Models

Deze studie toont aan dat de door grote taalmodellen aangedreven workflow 'otto-SR' systematische reviews aanzienlijk kan versnellen door artikelselectie, data-extractie en beoordeling van risico op vertekening met hoge nauwkeurigheid te automatiseren, waardoor snellere en schaalbaardere bewijssynthese mogelijk wordt.

Cao, C., Arora, R., Cento, P., Budak, A., Manta, K., Farahani, E., Cecere, M., Selemon, A., Sang, J., Gong, L. X., Kloos (…)2026-02-18