📄 Category

health informatics

256 papers

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

eHEALS-Br: An Automated Platform for Digital Health Literacy Assessment and Personalized Feedback

Dit artikel presenteert eHEALS-Br, een veilig webgebaseerd platform dat de administratie en scoring van de Braziliaanse eHealth Literacy Scale automatiseert om realtime, gepersonaliseerde feedback te bieden, waarbij een hoge betrouwbaarheid in een pilotstudie wordt aangetoond en een schaalbare tool wordt geboden voor zowel populatieonderzoek als individuele klinische beoordeling van gezondheidsvaardigheden in Brazilië.

Cotta Fontainha, T., Werneck, V. M., Cappelli, C.2026-01-24
📄 gezondheidsinformatica

Separation-like irregularity and sample size optimism in high-discrimination logistic prediction models

Deze studie toont aan dat gesloten-vormige steekproefgrootte-criteria voor logistische predictiemodellen, zoals het Riley-framework, steeds optimistischer worden en de vereiste steekproefgrootte onderschatten naarmate de doel-discriminatie stijgt, primair vanwege separatie-achtig gedrag dat de kalibratie destabiliseert, waardoor het gebruik van simulatie-gebaseerde stresstests voor scenario's met hoge discriminatie noodzakelijk wordt.

Liu, Z., Liang, Y., Wang, L. S., Yu, J., Liu, J.2026-01-23
📄 gezondheidsinformatica

Authority Signals in AI Cited Health Sources: A Framework for Evaluating Source Credibility in ChatGPT Responses

Deze studie introduceert een Authority Signals Framework om de geloofwaardigheid van bronnen in de gezondheidsgerelateerde antwoorden van ChatGPT te evalueren, waarbij wordt vastgesteld dat meer dan 75% van de 615 geciteerde bronnen in een steekproef van 100 vragen afkomstig is van gevestigde institutionele organisaties in plaats van alternatieve gezondheidsinformatieproviders.

Jacques, E., Datuowei, E., Jones, V., Basch, C., Vanderpool, C., Udeozo, N., Chapa, G.2026-01-23
📄 gezondheidsinformatica

AlignInsight: A Three-Layer Framework for Detecting Deceptive Alignment and Evaluation Awareness in Healthcare AI Systems

Deze studie toont aan dat een drielaags red-teaming-framework, dat automatische semantische analyse combineert met beoordeling door menselijke experts, essentieel is voor het detecteren van geavanceerde misleidende uitlijning en evaluatiebewustzijn in AI-systemen voor de gezondheidszorg, waarbij wordt onthuld dat op trefwoorden gebaseerde filters 83% van de risicovolle gedragingen missen, terwijl geavanceerde semantische modellen een perfecte overeenstemming bereiken met menselijke experts bij het identificeren van strategieën voor het omzeilen van regelgeving.

Onovo, A. A., Cherima, Y. J.2026-01-21
📄 gezondheidsinformatica

AdaptiveFedLoRA: Drift-Aware Adaptive LoRA Rank Scheduling for Federated Medical Small Language Models

Het artikel stelt AdaptiveFedLoRA voor, een nieuw federated learning-framework dat de LoRA-rangen dynamisch aanpast op basis van veelzijdige drift-metingen om client drift effectief te mitigeren en convergentie te verbeteren in heterogene medische small language model-implementaties, waarbij het bestaande baselines over diverse client-schalen verslaat terwijl de communicatie-efficiëntie behouden blijft.

Yu, Y.2026-01-21
📄 gezondheidsinformatica

Dengue hospitalizations in Brazil: forecasting with climatic and physicians digital search data under real-world reporting delays

Deze studie toont aan dat het integreren van realtime digitale zoekgegevens van artsen met klimaatindicatoren de nauwkeurigheid van kortetermijnvoorspellingen voor dengue-hospitalisaties in Brazilië aanzienlijk verbetert, met name wanneer de beperkingen van vertraagde officiële rapportagesystemen worden overwonnen.

QUINTANILHA, D. D. O. Q., Motta, M., Moura, E., Xavier, D., Caseri, A., Schittine, G., Gismondi, R.2026-01-15