人工知能
救急外来におけるオピオイド使用障害の検出を強化する:構造化 phenotype と大規模言語モデルの比較
本研究は、救急外来の電子健康記録における opioid use disorder の検出について、ルールベースの computable phenotype と大規模言語モデルを比較し、各手法の sensitivity と specificity の強み、および臨床ワークフローへの示唆を示した。

タグ
本研究は、救急外来の電子健康記録における opioid use disorder の検出について、ルールベースの computable phenotype と大規模言語モデルを比較し、各手法の sensitivity と specificity の強み、および臨床ワークフローへの示唆を示した。

大規模EHR研究により、2015年から2025年にかけて米国成人の非嚢胞性線維症気管支拡張症の有病率が133%増加し、顕著な人口学的格差が明らかになった。
本稿は、コミュニティヘルスセンターが電子健康記録(EHR)ツールを用いてケアマネジメントプログラムを通じた患者の社会的ニーズにどのように対応しているかを検討し、導入上の障壁を特定したうえで、技術導入とケア調整の強化に向けた具体的な実装戦略を提案する。

電子健康記録を用いた機械学習モデルにより、心房細動の高リスク患者を高精度に同定し、対象を絞ったスクリーニングと早期診断を通じて脳卒中予防を可能にする。

この無作為化臨床試験は、行動介入(事前コミットメントやブースティングプロンプト)を用いたEHRが、高齢者の不適切な薬物使用の中止率を大幅に改善することを示しています。プライマリケアにおける多剤併用リスクの軽減にスケーラブルな戦略を提供します。

研究者たちは、12万7000人以上の患者の電子健康記録を使用して、精神病または双極性障害のリスクのある個人を特定するための臨床予測モデルを開発しました。このモデルは高い識別力(C指数0.80)と早期介入戦略の実用的な有用性を示しました。
