📄 Category

health informatics

156 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.

The Risk Factors, Detection and Classification of Esophageal Cancer Using Ensemble Machine Learning Models

Este estudo desenvolveu um quadro robusto de aprendizado de máquina emsemble, utilizando um método de múltiplas sementes e seleção de características, que alcançou uma precisão de 98,3% na detecção precoce e classificação do câncer de esôfago na Etiópia, destacando fatores dietéticos e ambientais como preditores-chave e oferecendo uma solução eficaz para ambientes de saúde com recursos limitados.

Gaso, M. S., Mekuria, R. R., Cankurt, S., Deybasso, H. A., Abdo, A. A., Abbas, G. H.2026-03-11📄 health informatics

Co-designing a virtual reality based mindfulness application to address diabetes distress using Artificial Intelligence-informed Experience-Based Co-Design (AI-EBCD): a feasibility study

Este estudo de viabilidade descreve o processo de co-design, informado por inteligência artificial, para desenvolver um aplicativo de realidade virtual de mindfulness personalizado destinado a reduzir o sofrimento relacionado ao diabetes, identificando preferências de design e funcionalidades essenciais para futuras implementações.

Ghosal, S., Zhang, M., Stanmore, E., Sturt, J., Bogosian, A., Woodcock, D., Milne, N., Mubita, W., Robert, G., O'Connor, S.2026-03-11📄 health informatics

Regression vs. Medical LLMs: A Comprehensive Study for CVD and Mortality Risk Prediction

Este estudo compara técnicas de regressão tradicionais e modelos de linguagem médica (MedLLMs) na previsão de risco cardiovascular e mortalidade, demonstrando que, embora modelos pré-treinados de grande porte e técnicas de boosting alcancem desempenho competitivo (até 85% de AUROC), a calibração é essencial para corrigir a superestimação sistemática de mortalidade observada nos LLMs.

KOM SANDE, S. D., Skorski, M., Theobald, M., Schneider, J., Marz, W.2026-03-11📄 health informatics

Variability in Automated Sepsis Case Detection: A Systematic Analysis of Implementation Methods in Clinical Data Repositories

Esta revisão sistemática demonstra que a heterogeneidade metodológica na implementação de critérios de detecção de sepse em bancos de dados clínicos gera taxas de identificação drasticamente diferentes, sublinhando a necessidade urgente de padronização nos relatórios e publicação de códigos fonte para garantir a reprodutibilidade da pesquisa.

Meyer-Eschenbach, F., Schmiedler, R., Stoephasius, J. v., Zhang, C., Kronfli, L., Frey, N., Naeher, A.-F., Ehret, J., Nothacker, J., Kalle, C. v., Kohler, S., Gruenewald, E., Edel, A., Kumpf, O., Barr (…)2026-03-10📄 health informatics

Time-to-event modeling with multimodal clinical and genetic features improves risk stratification of liver complications in chronic hepatitis C

Este estudo desenvolveu e validou um modelo de sobrevivência multimodal e interpretável, integrando dados clínicos, genéticos e socioeconômicos do programa "All of Us", que aprimora significativamente a estratificação de risco de cirrose, carcinoma hepatocelular e mortalidade em pacientes com hepatite C crônica, superando a avaliação baseada apenas no estágio de fibrose.

Islam, H., Arian, A., Franses, J. W., Ahsan, H.2026-03-09📄 health informatics

Predictors of COVID-19 hospital outcomes: a machine learning analysis of the National COVID Cohort Collaborative

Este estudo utilizou dados do N3C para avaliar modelos de aprendizado de máquina na previsão de desfechos hospitalares de COVID-19, concluindo que, embora as características estruturadas dos registros eletrônicos ofereçam utilidade moderada para estratificação de risco de mortalidade, elas são insuficientes para prever o tempo de internação e que o uso de SMOTE para lidar com desequilíbrio de classes impõe uma compensação crítica entre discriminação e calibração.

Vazquez, J., Taylor, L., Chen, Y.-Y. K., Araya, K., Farnsworth, M. G., Xue, X., Hasan, M., N3C Consortium,2026-03-09📄 health informatics

A Novel Blended Hybrid Care Model for Maternal Mental Health: Cohort Study of Pregnant and Postpartum Patients

Este estudo de coorte avaliou um novo modelo de cuidado híbrido, o "Digital Clinic", que combina telehealth síncrono com o aplicativo mindLAMP, demonstrando reduções estatisticamente significativas nos sintomas de depressão e ansiedade em mulheres grávidas e no pós-parto após oito semanas de tratamento.

Calvert, E. I., Chen, K., Moon, K., Emerson, M. R., Feldman, N., Lager, C., Torous, J.2026-03-09📄 health informatics

Population differences in wearable device wear time: Rescuing data to address biases and advance health equity

Este estudo utiliza dados do programa All of Us para demonstrar que o tempo de uso de dispositivos vestíveis varia significativamente conforme fatores demográficos, socioeconômicos e de saúde mental, revelando que os limiares de conformidade atuais excluem desproporcionalmente dados de populações doentes e propondo um novo quadro metodológico flexível para mitigar esses vieses e promover a equidade na pesquisa de saúde digital.

Hurwitz, E., Connelly, E., Sklerov, M., Master, H., Hochheiser, H., Butzin-Dozier, Z., Dunn, J., Haendel, M. A.2026-03-06📄 health informatics