本研究将公共可用的电子病历数据库 MIMIC-IV 与健康社会决定因素（SDOH）特征进行关联，调查这些特征对不同病人群体常见电子病历预测任务的影响，发现社区水平的 SDOH 特征在一般病人群体中无法提高模型性能，但能提高特定亚人群的数据有限模型的公平性；同时，表明 SDOH 特征对于进行超越保护性属性的算法偏见全面审计至关重要。我们希望新的集成型电子病历 - SDOH 数据库能够启动有关社区健康与个人结果之间关系的研究，并提供全新的用于研究超越种族、性别和年龄等算法偏见的基准。

May, 2023

通过使用解释性机器学习和博弈论方法，我们研究了 COVID-19 在美国县级的传播情况，发现疾病的流行和死亡率与当地的社会经济情况相关，特别是在农村地区，并发现该疾病的传播模式在城市和农村地区分别存在不对称性，并优先影响非白人占比较高的县。我们的研究结果可用于更有针对性地制定政策和分配资源，以应对未来由 SARS-CoV-2 引发的疫情，同时该研究方法还可扩展到研究其他疾病的传播。

Sep, 2020

通过分析 2015 年 BRFSS 数据，我们深入研究了糖尿病与一系列健康指标之间的复杂关系，特别关注了收入这一新添加的变量。我们的综合分析不仅考察了每个因素的孤立影响，还探究了它们之间的相互关系以及对糖尿病的集体影响。我们的研究揭示了一个明显的趋势，低收入阶层与糖尿病发病率更高有着关联。在分析了 33 个变量，包括健康因素和生活方式选择后，我们发现高血压、高胆固醇、胆固醇检查、收入和身体质量指数（BMI）等因素具有较大的意义，这表明它们在糖尿病的发病和管理中扮演着重要的角色。

Apr, 2024

本文运用多种机器学习算法对 COVID-19 患者数据库进行分析，以了解和解释患者的社会经济特征与其死亡率的关联性，并分析机器学习模型对 COVID 患者社会经济数据的全局和局部解释。

Feb, 2023

探索机器学习算法和方法在个体金融成功中所发挥的各种社会经济因素，以理解和揭示影响金融成功的真正决定因素，其中包括最高学历、职业、性别、年工作小时、年龄和工作资历等。

May, 2024

通过对 0.95 百万份社会工作者记录的词频分析和 LDA 主题建模分析，本文确定了社会卫生风险因素的 11 个主题，包括财务状况、虐待史、社会支持、死亡风险和心理健康等，证明了社会工作者提供了个人社会决定因素上富有独特性和不可获得性的信息。

Dec, 2022

本研究通过分析县级数据资源，实现了一个可交互的在线应用程序来减少美国长寿差距，提出了减少差距的可行干预措施，并通过贝叶斯决策网络进行决策，利用人工智能发现偏见并制定透明的决策，为消除与健康相关的不平等提供了可行的方案。

Sep, 2018

本文呈现了通过定量和模拟建模分析使用系统动力学了解人工智能种族偏见和对健康不平等影响的结果和见解，并强调将数据和医疗保健讨论集中于人们及其医疗和科学体验，以及认识算法操作的社会背景的重要性，社区创伤的集体记忆是寻求治疗和体验有效治疗的内生驱动因素，这些因素对不同种族群体的初值条件具有明显的不平等性。

May, 2023

社会卫生决定因素（SDoH）在塑造健康结果方面起着关键作用，特别是在儿科人群中，干预措施可能具有长期影响。本研究提出了一个新的标注语料库，儿科社会历史标注语料库（PedSHAC），并使用经过精细调优和上下文学习方法结合大型语言模型（LLMs）来评估详细的 SDoH 表征的自动提取。PedSHAC 包括从华盛顿大学医院系统的儿科患者的 1,260 个临床记录中获取的已标注的社会历史部分。采用一个基于事件的标注方案，PedSHAC 涵盖了十个不同的健康决定因素，包括生活和经济稳定性、先前的创伤、教育机会、物质使用历史和心理健康，整体标注一致性为 81.9 F1。我们提出的精细调整的基于 LLM 的提取器以 78.4 F1 的事件参数高性能实现。搭配 GPT-4 的上下文学习方法在有限的标注示例情况下展现了可靠的 SDoH 提取的前景，事件触发器的提取性能达到 82.3 F1。

Mar, 2024

本研究提出一种改进的生存分析模型，它在输入特征中包括公共卫生统计数据，通过在美国的癌症发病率数据集中试验表明，包括地理位置的公共卫生数据可以显著提高预测性能。

Apr, 2023