XiaoMi-AI文件搜索系统
World File Search System卫生监测
将人工智能用于公共卫生监测
背景：机器学习技术在医疗保健领域的使用正在增加，这使得人们能够更有效地从大型管理数据集中估计和预测健康结果。本研究的主要目的是开发一种通用机器学习 (ML) 算法，根据过去 2 年的报销次数来估计糖尿病的发病率。方法：我们从与法国国家健康数据库 (即 SNDS) 链接的基于人群的流行病学队列 (即 CONSTANCES) 中选择了一个最终数据集。为了开发这种算法，我们采用了监督式 ML 方法。执行了以下步骤：i. 选择最终数据集，ii.目标定义，iii.为给定的时间窗口编码变量，iv.将最终数据拆分为训练和测试数据集，v. 变量选择，vi。训练模型，vii。使用测试数据集验证模型和 viii。模型的选择。我们使用受试者工作特征曲线下面积 (AUC) 来选择最佳算法。结果：用于开发算法的最终数据集包括来自 CONSTANCES 的 44,659 名参与者。在与 CONSTANCES 队列相关的 SNDS 的 3468 个变量中，选择了 23 个变量来训练不同的算法。估计糖尿病发病率的最终算法是线性判别分析模型，该模型基于过去 2 年内与生物测试、药物、医疗行为和未经手术的住院治疗相关的选定变量的报销次数。该算法的敏感性为 62%，特异性为 67%，准确率为 67% [95% CI：0.66 – 0.68]。
“技术在公共卫生监测中的作用”
参考文献 [1]。世界卫生组织。公共卫生监测。世卫组织。2021 年。网址：https://www.who.int/health-topics/public-health-surveillance [2]。徐勇、李鑫、张平等。医疗保健中的大数据分析：从研究到实践。*J Med Syst*。2019；43(6):1-12。 [3]。Shaman J、Karspeck A。使用预测分析预测传染病的传播。*Annu Rev Public Health*。2020；33(1):41-57。 [4]。Kamel Boulos MN 等。公共卫生监测的移动健康工具：最新进展回顾。*J Biomed Inform*。2017；65:269-284。 [5]。Singh K 等。移动健康应用在全球健康中的应用：文献综述。*全球健康行动*。 2016;9(1):1-10。[6]。Kuo TT、Kim HE、Ohno-Machado L。区块链分布式账本技术在生物医学和医疗保健中的应用。*J Am Med Inform Assoc*。2017;24(6):1211-1220。[7]。Gostin LO、Hodge JG。在健康监测中平衡隐私与公共利益。*Science*。2000;290(5498):2303-2304。
人工智能在全球卫生监测中的作用
本文探讨了人工智能 (AI) 在改变全球卫生监测系统方面的作用，强调了其对疾病检测、监测和应对能力的深远影响。通过利用机器学习和自然语言处理等先进的人工智能技术，本文深入研究了这些工具如何提高公共卫生战略的效率和准确性。通过一系列案例研究，分析了人工智能在现实场景中的有效性，展示了其比传统方法更有效地预测和管理疾病爆发的潜力。此外，本文还讨论了将人工智能融入现有卫生监测框架的道德挑战和技术限制。本文提供了克服这些挑战的建议，并讨论了强有力的数据保护措施和开发无偏见人工智能算法的必要性。全面的分析旨在为利益相关者提供对人工智能的变革潜力以及在全球卫生监测领域负责任地实施人工智能所需的务实考虑的见解。
美国农业部动植物卫生检验局响应人员对家禽中禽流感病毒检测的公共卫生监测计划
本文件为地方、州和联邦公共卫生当局提供指导，指导他们在美国农业部动植物卫生检验局 (APHIS) 官方应对活动期间监测可能接触禽流感病毒的人员。应对活动可能包括与受影响鸟类或其环境有关的减少数量、处置和清洁消毒活动，或疾病控制和预防中心 (CDC) 或 APHIS 认为与应对相关的其他活动。引起公共卫生关注的禽流感病毒包括已知会导致人类严重疾病的病毒，例如欧亚谱系 A/goose/Guangdong/1/96 (gs/GD) 类高致病性禽流感 H5N1 病毒和亚洲谱系低致病性禽流感和高致病性禽流感 H7N9 病毒。与已知会导致人类严重疾病的病毒相似的禽流感病毒也引起公共卫生关注，因为它们被认为有可能导致人类严重疾病。其中包括 2014 年至 2017 年期间与美国家禽疫情有关的 gs/GD HPAI H5 和北美谱系 LPAI 和 HPAI H7 病毒。其他禽流感病毒可根据具体情况确定为引起公共卫生关注。
公共卫生领域的人工智能：事实与夸张
• 监测和预测健康和健康相关事件：公共卫生监测由本质上异构收集的数据驱动。传统上采用统计技术进行的工作现在正被人工智能驱动的分析和领域知识以及丰富的上下文预测所取代。已经开发了公共卫生监测仪表板，使用来自社交媒体和网络可访问新闻来源的数据在地理和时间上显示健康事件。15 早期和准确识别健康异常和疾病爆发是公共卫生监测的支柱。16 人们设计了一种名为 SENTINEL 的综合监测工具，它使用自然语言处理和神经网络算法。每天处理超过 180 万条推文，以预测疾病的发生并识别潜在的爆发。17 • 汇编和分析大型医疗数据：人工智能需要数据孤岛来构建其智能，大数据使人工智能更加强大。这种协同组合可产生更快、更准确和更直观的输出。18
防止慢性病
AI现在正在公共卫生和医学的各个方面使用，从而大大改变了卫生专业人员与患者，社区和卫生数据的互动方式。AI正在标记的两个关键领域是诊断算法和预测分析（2）。例如，与人类放射科医生相比，AI算法越来越多地用于诊断成像扫描中的疾病 - 具有高度的准确性和速度（3）。在预测分析中，AI可以预测疾病（4），医院阅读率（5）以及患者通过分析大量数据集而患上慢性疾病（6）的风险。 在这个精确的Medcine时代，AI可以帮助定制医疗治疗，以减少单个网络特征，可能改善结果并最大程度地减少副作用（7）。 公共卫生监测，疾病预测和流行模型越来越成为整合基于AI的工具的重要领域（6）。 这些应用程序展示了AI的一些潜力，以增强公共健康和临床决策的功效和精度。 但是，他们还揭示了对强大的框架以负责任地管理这些技术的需求。在预测分析中，AI可以预测疾病（4），医院阅读率（5）以及患者通过分析大量数据集而患上慢性疾病（6）的风险。在这个精确的Medcine时代，AI可以帮助定制医疗治疗，以减少单个网络特征，可能改善结果并最大程度地减少副作用（7）。公共卫生监测，疾病预测和流行模型越来越成为整合基于AI的工具的重要领域（6）。这些应用程序展示了AI的一些潜力，以增强公共健康和临床决策的功效和精度。但是，他们还揭示了对强大的框架以负责任地管理这些技术的需求。
阿片类药物使用障碍缓解策略 - 莱特县
与护理计划的联系 药物过量致死率评估 利用 PDMP 数据进行公共卫生监测并公开传播结果 使用 PDMP 数据指导临床实践并提高患者安全性 学术详述 开展药物过量沟通活动 减少耻辱感的活动 对于医院来说，抗击阿片类药物流行的蓝图 阿片类药物危机：医院预防和应对 疼痛管理最佳实践 跨机构工作组报告 预防阿片类药物过量的循证策略：美国的有效方法 新生儿戒断综合征 (NAS) 路线图 阿片类药物使用障碍预防手册
标题 使用人工智能监测社交媒体中的 COVID-19 数据时的伦理考量
摘要 COVID-19 大流行及其相关政策（例如，居家隔离和保持社交距离的命令）增加了人们对社交媒体等数字技术的使用。研究人员则利用人工智能分析社交媒体数据，以进行公共卫生监测。例如，通过机器学习和自然语言处理，他们监测社交媒体数据以检查公众的知识和行为。本文探讨了使用人工智能监测社交媒体以了解公众对 COVID-19 的看法和行为的伦理考虑，包括人工智能驱动方法的潜在风险和好处。重要的是，研究人员和伦理委员会有责任确保研究人员遵守尊重人、仁慈和正义的道德原则，以推动科学进步，同时确保公众安全和对这一过程的信心。
综合预防咨询小组情况说明书
根据陆军“以人为本”的优先事项和陆军部长减少全军有害行为的目标，陆军正在通过综合预防咨询组进一步发展其预防能力。我们的人民是我们最大的力量，领导者必须培养一种以信任为基础的陆军文化和指挥氛围。超过 1,200 名新的 I-PAG 成员将拥有公共卫生监测、健康促进、社会科学、行为科学、实施科学、项目评估、定量和定性方法以及统计分析技术等学科的专业知识。约 680 人将被派往总部、陆军部、陆军司令部、陆军各军种司令部、直接报告单位、梯队指挥官（旅战斗队/旅级）和陆军预备役。大约 325 名 I-PAG 成员将被分配到陆军国民警卫队。