中国糖尿病患者低血糖机器学习预测模型的系统评价与Meta分析
该系统评价与Meta分析提示,针对中国糖尿病患者低血糖的机器学习预测模型总体具有较好的区分度,合并AUC为0.90,但作者指出该领域仍处早期,方法学局限与验证不足普遍存在。 研究为系统评价与Meta分析,检索PubMed、Embase、Web of Science、Cochran
该系统评价与Meta分析提示,针对中国糖尿病患者低血糖的机器学习预测模型总体具有较好的区分度,合并AUC为0.90,但作者指出该领域仍处早期,方法学局限与验证不足普遍存在。 研究为系统评价与Meta分析,检索PubMed、Embase、Web of Science、Cochran
在常规诊疗中,将AI心电图筛查加入常规照护可提高新发低射血分数(≤50%)的检出(RR 1.36,95% CI 1.12–1.64),且未明显增加超声心动图转诊;证据档位A。 系统评价与Meta分析,方案于PROSPERO注册(CRD420261287652),检索PubMed、
结论方向:系统综述提示机器学习已广泛用于复合生物材料的性能预测与设计优化,但验证环节明显滞后于建模,证据支持“建模能力已具备、验证不足”这一判断,而非支持其临床效用。 研究设计与做法:系统综述,检索PubMed/MEDLINE与Scopus,辅以IEEE Xplore、OpenA
系统评价与Meta分析提示,人工智能与机器学习模型对髋部骨折后结局(尤其死亡)具有中等至较强的区分能力,但外部验证不一致、校准报告有限,整体尚不足以支持临床常规应用。 PRISMA依从的系统评价,已在PROSPERO注册(CRD420261414142);检索PubMed、Ovi
该系统综述提示,基于人工智能的颅面与下颌生长预测模型展现出一定预测性能,但现有证据不足以确立其优于传统统计方法,作者明确表示当前证据不支持常规临床使用。 设计为系统综述,检索9个数据库至2026年8月12日并辅以手工检索,纳入评估AI模型预测颅面或下颌生长的人体研究,共纳入12项
该综述系统梳理了微生物组研究中基于图的人工智能分析方法,将其归纳为三类主要贡献:微生物网络表征新方法、经典图分析应用、图表示学习用于预测建模;结论层面属于对领域现状的整合性描述,而非对某一干预效果的量化验证。 研究设计为系统综述,检索并归纳相关文献,提出三分法分类框架对每项研究的
结论:系统综述提示,机器学习与深度学习算法在MRI宫颈癌自动分割中表现出一定潜力,但证据确定性低,尚不足以下结论支持常规临床实施。 研究设计与做法:遵循PRISMA的系统综述,PROSPERO注册号CRD420251247441;检索PubMed/MEDLINE、Embase、S
该系统综述提示,基于人工智能的影像模型在种植体周边缘骨丧失的定位、分割与分类等任务上表现较好,但证据多为任务特异性、来自回顾性数据集,尚不足以支持常规临床应用。 设计为系统综述:检索PubMed/MEDLINE、Scopus、Web of Science、Embase、Cochr
结论:作者提出以情境复杂度和对患者照护的影响两个维度构成的评估框架,用于判断生成式AI应用所需的证据与监管强度;现有证据对AI获益、准确性与可靠性仍不一致,属提示性而非定论。 设计:叙述性综述(非系统评价),未报告检索策略与纳入文献数量;按上述两维度分层考察工作流获益与临床有效性
提示:2015—2025 年初级保健人工智能研究产出持续增长,主题注意力由模型开发向验证、实施评估与治理扩展;但文献计量增长不直接等同于临床落地或结局改善。 研究设计为文献计量学分析,检索 Web of Science 核心合集 2015 年 1 月 1 日至 2025 年 10