191 artigos
A Saúde Informática une dados, tecnologia e cuidados médicos para transformar como entendemos e gerenciamos a saúde. Este campo explora desde o uso de registros eletrônicos até a inteligência artificial aplicada a diagnósticos, sempre com o objetivo de melhorar a qualidade do atendimento e a eficiência dos sistemas de saúde.
No Gist.Science, acompanhamos de perto os avanços mais recentes trazidos pelo medRxiv. Processamos cada novo pré-publicação nesta categoria, oferecendo tanto resumos técnicos detalhados quanto explicações em linguagem simples para tornar a ciência acessível a todos. Abaixo, você encontrará os últimos estudos publicados em Saúde Informática.
Este estudo demonstra que a relação entre atividade física e humor varia significativamente de acordo com o sexo e a fase do ciclo menstrual, particularmente em mulheres, indicando que os modelos de fenotipagem digital devem considerar esses fatores biológicos para evitar previsões tendenciosas e permitir insights personalizados de saúde mental.
Este estudo demonstra que o viés de seleção cumulativo na triagem de depressão na atenção primária infla métricas de aprendizado de máquina enquanto distorce associações epidemiológicas, e propõe um framework de predição seletiva desacoplado usando uma regra CART de quatro variáveis para triar com segurança apenas os 20% de pacientes mais confiáveis para pontuação algorítmica, enquanto encaminha o restante para avaliação humana.
Esta revisão de escopo examina a crescente aplicação de aprendizado de máquina aos dados da exposômica na pesquisa de doenças cardiovasculares, destacando seu potencial para lidar com a complexidade dos dados, ao mesmo tempo em que identifica limitações atuais e direções de pesquisas futuras.
Este estudo transversal de 3.004 adultos no Catar demonstra que a prontidão comportamental, particularmente o exercício diário e a disposição para compartilhar dados, é um preditor mais forte da adoção de dispositivos vestíveis e da integração da medicina digital do que fatores demográficos tradicionais como a educação, destacando a necessidade de priorizar o engajamento comportamental em vez do direcionamento demográfico para uma implementação equitativa da saúde digital.
Este estudo de métodos mistos sobre o sistema EHR Impilo do Zimbábue revela que, embora os profissionais de saúde da linha de frente gerem aprendizagem adaptativa para o cuidado de multimorbidade através de um híbrido de ferramentas digitais e em papel, a falta de arranjos sociotécnicos para estabilizar e institucionalizar essa aprendizagem impede que o sistema evolua para um verdadeiro Sistema de Saúde de Aprendizagem capaz de impulsionar uma adaptação de cuidados mais ampla.
Este estudo avalia o impacto da incorporação de dados do CMS em algoritmos de prontuários eletrônicos para a doença de Alzheimer e demências relacionadas dentro do sistema VA, constatando que, embora os dados do CMS aumentem a detecção de casos e a sensibilidade, um algoritmo amplo sem dados do CMS é ideal para epidemiologia, ao passo que um algoritmo estrito com dados do CMS produz as associações genéticas mais fortes para a DA de início tardio.
Este estudo compara empiricamente modelos de linguagem de grande escala e respostas de pares às perguntas on-line de pacientes sobre resultados de exames laboratoriais, constatando que, embora os LLMs se destaquem ao fornecer explicações médicas claras e estruturadas, os pares oferecem um suporte emocional mais personalizado, sugerindo que os LLMs poderiam complementar efetivamente as comunidades de pares se melhorarem sua profundidade emocional, transparência de raciocínio e alinhamento com as normas da comunidade.
Este artigo introduz o FootNet, um conjunto de dados de smartphone de múltiplas vistas com máscaras anotadas por especialistas para segmentação clínica do pé, e estabelece um benchmark demonstrando que uma U-Net com um codificador MobileNetV2 supera significativamente outros modelos, incluindo DeepLabV3, UNet++ e SAM ViT-B, em termos de precisão de segmentação.
Este estudo apresenta uma ferramenta preditiva validada que utiliza a perda de peso na semana 8 e as características do paciente para prever os resultados de seis meses de GLP-1 e o risco de abandono, oferecendo insights clinicamente acionáveis para a tomada de decisão compartilhada, ao mesmo tempo em que reconhece suas limitações como um guia prognóstico em vez de terapêutico.
Este estudo demonstra que, embora as características de alta intensidade das unidades de ação facial frequentemente falhem em se generalizar através de diversos conjuntos de dados, a dinâmica temporal mais lenta e padrões específicos de coativação (como o desacoplamento olho-boca) servem como marcadores robustos e transferíveis de depressão, sugerindo que a consistência direcional é um critério superior para a seleção de características em pesquisas afetivas multissítios.