256 篇论文
健康信息学正以前所未有的速度重塑现代医疗，它不再仅仅是电子病历的数字化，而是利用数据科学挖掘海量健康信息，以优化诊疗决策、提升公共卫生响应效率。这一领域架起了临床医学与计算技术之间的桥梁，让原本沉睡的数据转化为挽救生命的洞察。
在 Gist.Science，我们专注于从 medRxiv 预印本服务器中实时追踪该领域的最新研究。我们处理每一份新发布的论文，不仅提供详尽的技术解读，更将其核心发现转化为通俗易懂的中文摘要，确保无论是专业人士还是普通公众都能轻松理解这些前沿突破。
以下为您呈现健康信息学领域的最新论文列表，带您第一时间探索数据驱动医疗的未来。
这项针对尼泊尔桑库瓦萨巴县四年 DHIS2 数据的横断面桌面研究显示，尽管报告的完整性和及时性普遍较高，但由于系统性的记录流程以及依赖于验证规则的一致性检查的局限性，数据中仍存在持续的免疫接种异常，这强调了在评估数据质量之前，有必要将指标对针对活跃的验证规则进行分类。
本研究表明，一种能够保留特定位置传感器结构的房间感知型 Transformer 架构，在利用环境传感器识别轻度神经认知障碍成人的日常生活活动方面提供了上下文相关的改进，尽管其性能在不同家庭和活动类型之间存在显著差异，这凸显了在临床应用前进行个性化模型开发的必要性。
本研究提出了一个用于整合异构步态加速度计数据的开源 Python 框架和数据仓库，并证明虽然标准化处理能够实现跨研究分析，但不同传感器配置和数据集之间仍存在显著的特征变异性，从而限制了用于性别分类等任务的衍生指标的即时可比性。
ShortKit-ML 是一个开源工具包，它引入了一种经过校准的条件探测器，用于衡量冻结医学影像嵌入中的捷径潜力，并证明了虽然其评分与受混淆分类器对性别等敏感属性的依赖相关，但该工具本身无法在不测试分类器头部的情况下确认或消除这种依赖。
本研究表明，虽然使用全血细胞计数数据的机器学习模型可以检测加纳人群中的慢性肾脏病，但其报告的性能表现严重依赖于预处理决策，其中不当应用 SMOTE 会导致准确率比严格的交叉验证协议高出 22.4 个百分点，并由此导致了可解释网络工具 NephroScan GH 的部署。
在一项针对117例儿科出院病例的随机试验中，临床医生对AI起草文档的审查成功防止了严重错误并提升了词汇的可理解性，尽管与传统模板相比，这种做法并未显著增强家属的理解程度，从而凸显了需要更好的指标来衡量人类对临床AI的监督。
这项针对英文、俄文、阿拉伯文和希伯来文维基百科版本中 33 种药物进行的横断面审计显示，非英文版本的药物安全可操作性警告普遍较弱，其中俄文条目往往缺乏内容，而阿拉伯文条目则经常未能将提到的风险上升为明确的指令。
本研究利用马里兰州的大型数据集，通过应用包括逆概率加权和熵平衡在内的倾向评分方法，旨在证明与传统的多元逻辑回归或样本匹配相比，这些技术能够提供更细致且更稳健的自杀风险因素及医疗利用模式的估计。
本文介绍了 Jev，一种低成本、无需标签的 AI 模型，它在系统评价筛选方面显著优于现有的免费排序器，并接近昂贵模型的准确度，在结合统计停止策略时，能以极少的阅读工作量实现高召回率。
这项研究表明，尽管大语言模型在孟加拉语糖尿病问答中表现出显著的幻觉率，但通过检索增强生成技术，利用孟加拉国《糖尿病诊疗国家指南》对本地可部署模型进行知识锚定，能实质性地提高医疗准确性与安全性，尽管由于没有任何配置是完全无误的，临床监督仍然至关重要。