268 篇论文
公共卫生关乎我们每个人的安全与健康，而全球健康则着眼于跨越国界的疾病防控与医疗公平。这一领域不仅追踪传染病动态，更深入研究如何改善全人类的生活质量。在 Gist.Science，我们深知这些研究的重要性，因此专门从 medRxiv 收录该领域的所有最新预印本。
作为科学知识的桥梁，我们处理 medRxiv 上的每一份新稿件，将其转化为通俗易懂的科普解读与详尽的技术摘要，让专业发现不再束之高阁。无论您是医学研究者还是关心健康的普通大众，都能在此找到所需信息。
以下是本分类下来自 medRxiv 的最新研究论文列表，欢迎查阅。
本混合方法跨部门映射研究方案旨在全面分析与可视化德国两个社会经济弱势城区4至10岁儿童在卫生、教育和社会部门间的预防性心理社会支持体系及协作网络，以识别服务缺口并为改善儿童心理健康预防工作提供针对性干预依据。
CHERISH 研究是一项随机混合因子设计的研究方案，旨在评估短期空气污染暴露对在伦敦学校操场运动的 330 名小学生肺功能和气道炎症的急性影响。
本研究证明，在 UK Biobank 分析中，利用多层模型明确纳入局部地理背景至关重要，因为它揭示出仅针对遗传主成分进行调整的传统单层模型，由于未能解决地理混杂因素，可能导致心理健康多基因评分与greenspace等环境暴露之间的关联出现偏差。
本研究引入一个全面的信息监测框架，以分析新冠疫情期间美国疾控中心（CDC）的沟通与社交媒体上的公众话语在动态议题对齐和情绪层面的关系，揭示出议题对齐度的提升与负面情感反应的增强而非公众认同之间存在相关性。
本研究采用贝叶斯证据综合法，将历史数据与英国近期的人口及诊所就诊记录相结合，得出英国约有84,000名性工作者的稳健估计值（95%可信区间：49,000–130,000），以填补针对公共卫生支持的关键数据空白。
本文概述了面向德国小学的全国性"fit4future"儿童项目的干预措施及混合方法评估方案，该项目是一项多组成部分的健康促进倡议，旨在通过循证框架增强儿童的体力活动、营养、心理健康和数字媒体使用，同时提升学校可持续实施的能力。
这项在中国开展的横断面研究发现， lockdown 后产前抑郁普遍存在，且与睡眠障碍、家庭支持及 COVID-19 症状严重程度密切相关，随机森林机器学习模型展现出优于其他算法的预测性能。
肯尼亚内罗毕肯雅塔国家医院开展的这项基于医疗机构的观察性研究指出，患者相关障碍（如认知不足、经济拮据和病耻感）以及卫生系统低效是导致结核病诊断和治疗延误的关键决定因素，进而导致病情加重和持续传播。
利用 2014 年至 2019 年盖洛普世界民意调查数据，这项多层级分析揭示，在法语和英语撒哈拉以南非洲地区，粮食不安全感是青少年心理健康不良的一个显著且具有剂量依赖性的决定因素，其不安全感严重程度与负面心理健康经历发生几率的增加直接相关。
本研究证明，一种采用累积历史加权的透明且可通过电子表格实现的统计方法，在识别日本新冠疫情各波次地理来源方面，表现与大型语言模型相当，表明性能提升源于历史数据的积累而非人工智能的推理能力，尽管该模型在缺乏此类背景的情况下仍展现出显著的内在地理推理能力。