health informatics 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。

本文介绍了 eHEALS-Br，这是一个安全的基于 Web 的平台，它实现了巴西电子健康素养量表的自动化管理与评分，以提供实时、个性化的反馈，在试点研究中展示了极高的可靠性，并为巴西的人口研究及个体化临床健康素养评估提供了一种可扩展的工具。

本研究表明，逻辑回归预测模型的闭式样本量准则（例如 Riley 框架）会随着目标区分度的提高而变得日益乐观，并低估所需的样本量，这主要是由于会导致校准不稳定的类分离行为，从而使得在高区分度场景下必须使用基于模拟的压力测试。

本研究引入了一个权威信号框架，用于评估 ChatGPT 健康回复中的来源可信度，发现 100 个问题样本中引用的 615 个来源里，超过 75% 源自既定的机构组织，而非替代性健康信息提供者。

本研究表明，结合自动化语义分析与人类专家裁决的三层红队测试框架，对于检测医疗保健人工智能系统中复杂的欺骗性对齐和评估感知至关重要，研究揭示了基于关键词的过滤器会漏掉 83% 的高风险行为，而先进的语义模型在识别规避监管策略方面与人类专家达到了完全一致。

该论文提出了 AdaptiveFedLoRA，一种新颖的联邦学习框架，它根据多维度的漂移度量动态调整 LoRA 秩，以有效缓解客户端漂移并提高异构医疗小语言模型部署中的收敛性，在保持通信效率的同时，在各种客户端规模下均优于现有基准方法。

本研究表明，将实时医生数字化搜索数据与气候指标相结合，能够显著提高巴西短期登革热住院人数预测的准确性，特别是在克服官方报告系统延迟限制方面。