227 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.
Dit artikel introduceert EpiKG2DAG, een geautomatiseerd framework dat ongestructureerde biomedische tekst transformeert naar een epidemiologische kennisgraaf om systematisch op bewijs gebaseerde gerichte acyclische grafen (DAG's) voor causale inferentie te genereren, waarmee het de kritieke kloof in bewijsretrieftie in traditionele door experts gestuurde modellering aanpakt.
Deze studie introduceert FHIRBench-UK om aan te tonen dat het optimale FHIR-naar-tekst serialisatieformaat voor klinische LLM's contextafhankelijk is in plaats van universeel, waarbij wordt onthuld dat taakbewuste routering de prestaties over diverse modellen en taken heen significant verbetert, terwijl tegelijkertijd een kritieke discrepantie tussen token-niveau metrieken en klinische kwaliteit wordt benadrukt.
In een multi-systeem cohort van meer dan 17.000 patiënten demonstreerde het 2026 AHA/ACC-raamwerk voor longembolie een reproduceerbare mortaliteitsgradiënt over de vijf hoofdcategorieën, maar toonde het beperkte prognostische verfijning binnen het brede intermediaire risicobereik en bescheiden reclassificatieverschillen vergeleken met het 2019 ESC-systeem.
Deze studie integreert een op agenten gebaseerd immuunsysteemmodel met transcriptomische analyse om te identificeren dat de cytotoxische effectiviteit van natuurlijke killercellen en CD8+ T-cellen bij het herkennen van tumorgeassocieerde antigenen een kritieke determinant is van de behandeluitkomsten bij hepatoblastoom.
Deze teruggetrokken protocolgestuurde studie had als doel een risicomodel voor postoperatieve recidive van galwegstenen op te stellen door de kennis, houdingen en praktijken van 100 patiënten te evalueren, waarbij werd onthuld dat hoewel patiënten over adequate kennis beschikten, zij negatieve houdingen en een slechte therapietrouw met betrekking tot preventieve praktijken vertoonden.
Deze studie analyseert meer dan 6 miljoen tweets uit Sub-Sahara Afrika om aan te tonen dat misinformatie over COVID-19-vaccins wordt gedreven door regio-specifieke zorgen in plaats van inkomensniveaus, piekt rond beleidsverplichtingen, en behoefte heeft aan op maat gemaakte, langetermijnstrategieën tegen misinformatie.
Dit artikel stelt een hybride besluitvormingskader voor dat survey-gewogen rule-ensemble learning integreert met Decision Model and Notation (DMN) om narratieve klinische aanbevelingen te transformeren naar auditeerbare, uitvoerbare logica, waarbij de bekwaamheid wordt aangetoond om de diabetesstatus te classificeren en de gevoeligheid van het patiëntrisico voor hypothetische BMI-reducties in een op NHANES gebaseerde cohort te kwantificeren.
Dit artikel introduceert een multidimensionale betrokkenheidsmetriek voor het Helpilepsy-seizure dagboek, waarbij clusteringanalyse wordt gebruikt om onderscheidende gebruikersgroepen te identificeren en onthult dat zeer betrokken patiënten doorgaans ouder zijn met een langere epilepsiegeschiedenis en complexere medicatiebehandelingen, wat de noodzaak voor gerichte onboardingstrategieën voor nieuwe patiënten en het belang van het benutten van diverse dagboekfuncties buiten het eenvoudige registreren van aanvallen om, onderstreept.
Dit artikel introduceert de EHR Density Index (EDI), een nieuwe metriek afgeleid van UNC Health-gegevens die het documentatievolume en de diepgang kwantificeert, onafhankelijk van de ziektebelasting, om te dienen als een controlevariabele voor verwarrende factoren in real-world EHR-gebaseerd onderzoek.
Deze studie toont aan dat hoewel een deterministische ontologie en een op embeddings gebaseerde pipeline de heterogene klinische proefgegevens in Duitsland gedeeltelijk kunnen harmoniseren met de ICD-10-standaarden, Large Language Models (specifiek GPT-4o) dit aanzienlijk overtreffen door een bijna perfecte overeenstemming met de codering door menselijke experts te bereiken, waardoor zij een superieure oplossing bieden voor cross-register ziektebeeldanalyse.