实体
opioid use disorder
opioid use disorder
PulseAugur coverage of opioid use disorder — every cluster mentioning opioid use disorder across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
患者调查数据提高了阿片类药物使用障碍预测的准确性
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模型探索非接触式热成像和可穿戴数据用于阿片类药物戒断检测
两篇新研究论文探讨了用于检测阿片类药物戒断和压力的先进AI技术。第一篇论文RETRACE使用弹性引导、特征条件框架结合可穿戴生理数据来改进受试者独立的戒断估计。第二篇论文FABLE-Therm利用非接触式热成像视频来感知压力和戒断，证明了局部热成像证据至关重要，并且仅有表征不足以实现公平部署。
-
阿片类药物使用障碍预测的特征选择方法比较
研究人员比较了五种使用电子健康记录（EHR）预测阿片类药物使用障碍（OUD）的特征选择方法。研究评估了循环富集、受NTK启发的早期梯度敏感性、LightGBM-SHAP、弹性网络和LLM指导的语义选择。NTK敏感性提供了准确性和稳定性的最佳平衡，而LLM指导的选择提供了补充性的临床见解。