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 EpiKG2DAG，这是一个能够将非结构化生物医学文本转化为流行病学知识图谱，从而系统性地生成用于因果推断的、以证据为锚定的有向无环图（DAGs）的自动化框架，旨在解决传统专家驱动建模中存在的关键证据检索差距问题。

本研究通过引入 FHIRBench-UK 证明，对于临床大语言模型而言，最优的 FHIR 转文本序列化格式是取决于上下文而非通用的，研究揭示了任务感知路由能显著提升不同模型与任务的表现，并强调了标记级指标与临床质量之间存在关键脱节。

在一个包含超过17,000名患者的多系统队列研究中，2026年AHA/ACC肺栓塞框架在其五个主要类别中展示了可重复的死亡率梯度，但在广泛的中危范围内显示出有限的预后精细化能力，且与2019年ESC系统相比，其重新分类差异较为适中。

本研究将基于智能体的免疫系统模型与转录组分析相结合，旨在确定自然杀伤细胞和 CD8+ T 细胞在识别肿瘤相关抗原方面的细胞毒性效能是决定肝母细胞瘤治疗结果的关键因素。

这项撤回的方案式研究旨在通过评估100名患者的知识、态度和行为，构建术后胆总管结石复发的风险模型，结果显示，尽管患者具备充分的知识，但表现出消极的态度和较差的预防行为依从性。

本研究分析了来自撒哈拉以南非洲地区的 600 多万条推文，揭示了新冠疫苗错误信息的传播并非由收入水平驱动，而是由特定区域的担忧所驱动，且在政策强制执行期间达到高峰，因此需要量身定制的长期反错误信息策略。

本文提出了一种结合调查加权规则集成学习与决策模型与标注（DMN）的混合决策支持框架，旨在将叙述性临床建议转化为可审计、可执行的逻辑，并证明了其在对基于 NHANES 数据集的队列进行糖尿病状态分类以及量化患者风险对假设性 BMI 降低的敏感性方面的能力。

本文通过聚类分析为 Helpilepsy 癫痫日记引入了一种多维参与度指标，并揭示了高参与度患者通常年龄较大、癫痫病史较长且用药方案较为复杂，从而强调了针对新患者制定定向引导策略的必要性，以及利用除简单癫痫发作记录之外的多样化日记功能的的重要性。

本文介绍了电子健康档案密度指数（EHR Density Index, EDI），这是一种源自北卡罗来纳大学医疗系统（UNC Health）数据的创新指标，旨在量化与疾病负担无关的文档记录量与深度，从而在基于真实世界电子健康档案的研究中作为混杂因素控制变量。

本研究表明，尽管确定性本体论和基于嵌入的流水线可以使德国异构临床试验条件数据在 ICD-10 标准下实现部分统一，但大语言模型（特别是 GPT-4o）通过实现与专家人工编码近乎完美的契合度，显著优于该方法，从而为跨注册库的疾病图谱分析提供了一种更优的解决方案。