English(EN) Patient-Reported Survey Data Improve Prediction of Opioid Use Disorder

患者调查数据提高了阿片类药物使用障碍预测的准确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-14 04:00

发表在arXiv上的一项新研究表明，将患者报告的调查数据与电子健康记录（EHRs）相结合，可以显著提高阿片类药物使用障碍（OUD）的预测准确性。研究人员发现，通过增加调查回复数据，在各种时间范围和机器学习模型中，预测准确性均有所提高，其中LightGBM模型在24个月的预测窗口内的准确性从0.6219显著提高到0.6603。该研究强调，患者报告的信息提供了结构化EHRs之外有价值的预测信号，突显了调查数据在临床环境中的重要性。 AI

影响通过整合多样化的数据源，增强了对健康结果的预测模型。

排序理由学术论文，详细介绍了一种改进预测模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 26 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了一种改进预测模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Xiyue Jiang, Zihan Ding, Grace Han, Yinan Liu, Richard N. Rosenthal, Fusheng Wang · 2026-09-14 04:00

患者报告的调查数据可改善阿片类药物使用障碍的预测

arXiv:2609.12224v1 Announce Type: new Abstract: Electronic health records (EHRs) may incompletely capture patient-reported factors associated with opioid use disorder (OUD). We evaluated whether survey data improve prediction of a first recorded OUD diagnosis among 267,747 All of…

本文如何被排名

报道来源 [1]

患者报告的调查数据可改善阿片类药物使用障碍的预测

相关实体

相关话题