Observational Medical Outcomes Partnership Common Data Model
PulseAugur coverage of Observational Medical Outcomes Partnership Common Data Model — every cluster mentioning Observational Medical Outcomes Partnership Common Data Model across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新EHR2Trace系统为AI临床代理标准化患者数据
研究人员开发了EHR2Trace，一个旨在标准化和审计电子健康记录（EHR）数据以训练AI模型的系统。该基础设施解决了不同来源记录患者事件方式的不一致性问题，确保了可追溯性和可重复性。EHR2Trace将数百万个事件转换为共享表示，区分了医嘱、配药和给药，并已证明其能够检测注入的故障并揭示在未经整理的数据上训练的模型的性能膨胀。
-
LLM辅助方法协调电子健康记录和临床笔记中的药物数据
研究人员开发了一种新方法，用于协调临床笔记和结构化电子健康记录（EHR）中发现的药物信息之间的差异。他们的方法采用大型语言模型（LLM）进行参考构建，并结合人工审查和确定性规范化，以比较两个来源的语义和时间数据。研究发现，虽然来自笔记和结构化药物历史之间的精确匹配很少见，但当考虑更广泛的定义和时间范围时，语义重叠显著增加，这凸显了准确患者药物档案采用高级规范化技术的重要性。
-
Transformer 模型 ProQ-BERT 推进 CKD 预后预测
研究人员开发了一个名为 ProQ-BERT 的基于 Transformer 的框架来预测慢性肾脏病 (CKD) 的进展。该模型利用多模态电子健康记录，包括人口统计、临床和实验室数据，采用新颖的连续值分词方法和用于可解释性的注意力机制。在超过 91,000 名患者身上进行测试，ProQ-BERT 在短期预测方面表现优于 CEHR-BERT，ROC-AUC 高达 0.995，PR-AUC 为 0.989。该研究强调了 Transforme…