热点事件持续更新
结合SDoH与AI的急诊就诊逐时预测模型研究发布
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026年10月12日，《npj Digital Medicine》发表了一项医疗AI研究成果。研究人员开发出一种整合社区级健康社会决定因素（SDoH）的 XGBoost 预测模型，用于急诊科（ED）就诊需求的小时级精准预测。该研究基于武汉大学人民医院等机构收集的 213,138 次急诊记录，并将其聚合成 22,883 个小时级别的观测数据。实验结果表明，融入动态 SDoH 特征的模型表现持续优于仅依赖天气变量的传统模型。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 08:00
研究团队开发整合SDoH的XGBoost模型，实现急诊需求逐时精准预测。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- npj Digital Medicine结合健康社会决定因素的 AI 急诊就诊需求逐时预测研究
研究人员开发了一种整合社区级健康社会决定因素（SDoH）的 XGBoost 预测模型，用于急诊科（ED）就诊需求的逐时精准预测。该研究基于武汉大学人民医院等机构收集的 213,138 次急诊记录并聚合成 22,883 个小时级别观测值，结果显示融入动态 SDoH 特征的模型表现持续优于仅依赖天气变量的传统模型。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。