📄 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

Chart review and genetic validation of electronic medical record dementia diagnoses in VA: The impact of CMS data

Deze studie evalueert de impact van het integreren van CMS-gegevens in algoritmen voor elektronische medische dossiers voor de ziekte van Alzheimer en gerelateerde dementies binnen het VA-systeem, waarbij wordt vastgesteld dat hoewel CMS-gegevens de detectie van gevallen en de sensitiviteit verhogen, een breed algoritme zonder CMS-gegevens optimaal is voor epidemiologie, terwijl een strikt algoritme met CMS-gegevens de sterkste genetische associaties oplevert voor laat ontstane AD.

Logue, M., Lee, S. O., Gillis, M., Zhang, R., Lee, M., Marra, D., Lopez, F. V., Lynch, J., Panizzon, M. S., Tsuang, D. W (…)2026-07-17
📄 gezondheidsinformatica

Comparing Human and Large Language Model Responses to Patients Online Questions: Towards Multi-dimensional Patient-centered Support

Deze studie vergelijkt empirisch grote taalmodellen en reacties van lotgenoten op online vragen van patiënten over laboratoriumtestresultaten, waarbij wordt geconstateerd dat hoewel LLM's uitblinken in het bieden van heldere, gestructureerde medische verklaringen, lotgenoten meer gepersonaliseerde emotionele steun bieden, wat suggereert dat LLM's effectief complementair kunnen zijn aan peer-communities als zij hun emotionele diepgang, redeneertransparantie en afstemming op gemeenschapsnormen verbeteren.

Hussein, M. A., Doshi, R., He, L., Reynolds, T.2026-07-17
📄 gezondheidsinformatica

FootNet: A Multi-View Smartphone Dataset and Four-Model Benchmark for Clinical Foot Segmentation

Dit artikel introduceert FootNet, een multi-view smartphone-dataset met door experts geannoteerde maskers voor klinische voetsegmentatie, en vestigt een benchmark die aantoont dat een U-Net met een MobileNetV2-encoder andere modellen, waaronder DeepLabV3, UNet++ en SAM ViT-B, aanzienlijk overtreft op het gebied van segmentatie nauwkeurigheid.

Vijay, A., Prabhune, A., Srihari, V. R., Rayampalli, A.2026-07-17
📄 gezondheidsinformatica

Beyond Intensity: Cross-Dataset Consistency of Temporal Facial Action-Unit Dynamics as Transferable Markers of Depression

Deze studie toont aan dat hoewel kenmerken van hoog-intensieve gezichtsuitdrukkingen vaak niet generaliseren over diverse datasets, tragere temporele dynamiek en specifieke co-activatiepatronen (zoals de ontkoppeling tussen oog en mond) dienen als robuuste, overdraagbare markers voor depressie, wat suggereert dat directionele consistentie een superieur criterium is voor het selecteren van kenmerken in multi-site affectief onderzoek.

Jeong, I., Jang, M., Kim, J.-w., Kim, H., Park, S., Kim, D.-K., Park, J.-H., Kim, Y., Kim, J.-M., Lee, H., Jhon, M.2026-07-15
📄 gezondheidsinformatica

Healthcare Big Data Platform for Linking National Databases in Korea: System Development and Research Applications

Het Healthcare Big Data Linkage Platform (HCDL) in Zuid-Korea pakt systemische inefficiënties aan door 13 nationale databases te integreren via een Trusted Third Party en een gecentraliseerd beoordelingsproces, waarmee het succesvol een toename in onderzoekstoepassingen met meerdere databases heeft gefaciliteerd om datagestuurde en precisiegeneeskunde te bevorderen.

Kim, Y., Lee, Y., Jeong, J.2026-07-13
📄 gezondheidsinformatica

How Best to Explain Machine Learning Models to Clinicians: A User Study of Explanation Types

Deze gebruikersstudie met 39 clinici toont aan dat hoewel attributiegebaseerde verklaringen het meest significant het vertrouwen en het begrip van machine learning-voorspellingen in klinische settings verbeteren, bijna de helft van de deelnemers de voorkeur geeft aan het bekijken van meerdere typen verklaringen, wat suggereert dat toekomstige implementaties prioriteit moeten geven aan attributiemethoden terwijl ze diverse formaten aanbieden die zijn afgestemd op specifieke klinische rollen.

Brown, B., Oguss, M., Carey, K. A., Martin, J., Kotula, C. A., Nguyen, O. T., Akel, M., Wiegmann, D. A., Edelson, D. P. (…)2026-07-10
📄 gezondheidsinformatica

Adaptation and Psychometric Validation of a Facility-Level Tool to Assess Telemedicine Readiness in Primary Care

Deze studie heeft de Telemedicine Readiness Inventory at the Facility Level (TRI-F) succesvol aangepast en psychometrisch gevalideerd met behulp van gegevens van 774 eerstelijnsinstellingen in Peru, waarmee de structurele validiteit, interne consistentie en de bruikbaarheid voor het benchmarken en begeleiden van de planning van telemedicijnimplementatie zijn aangetoond.

Escobar-Agreda, S., Villarreal-Zegarra, D., Reategui-Rivera, C. M., Paredes-Gonzales, Y., Rojas-Mezarina, L.2026-07-10
📄 gezondheidsinformatica

Does OMOP CDM Conversion Improve Cross-Country Comparability of Real-World Data? A Benchmark Study in Breast Cancer and Amyotrophic Lateral Sclerosis

Deze benchmarkstudie toont aan dat hoewel het converteren van real-world data uit Denemarken, Finland en Portugal naar het OMOP Common Data Model semantisch uitgelijnde grensoverschrijdende vergelijkingen voor borstkanker en ALS mogelijk maakt, dit de onderliggende dataheterogeniteit niet wegneemt, wat iteratieve benchmarking tegenover natieve data en klinische expertise noodzakelijk maakt om geldige epidemiologische inzichten te waarborgen.

Aborageh, M., Korcinska Handest, M. R., Bakos, I., Rajamaki, B., Silva, C., Horvath-Puho, E., Pylkkaenen, L., Venda, C. (…)2026-07-09
📄 gezondheidsinformatica

A large language model-assisted workflow for generating a living evidence base for climate-sensitive foodborne disease

Deze studie toont aan dat een door een LLM ondersteunde workflow, die gestructureerde zoekopdrachten combineert met iteratieve GPT-4-Turbo-verfijning, effectief een snelle, schaalbare en beleidsrelevante levende bewijsvoering kan genereren voor klimaatgevoelige voedseloverdraagbare ziekten met een hoge recall en verbeterde consistentie in de screening.

Elson, R., McIntyre, K. M., Hardingham, M. B., Luechtefeld, T., Lake, I. R.2026-07-08