本研究探讨了电子健康档案（EHR）的生存分析，提出了基于深度学习的DySurv和非参数事件时间分布估计等新方法，显著提高了健康事件预测的准确性和稳定性。这些方法在处理异构数据和动态风险评估方面表现优越，推动了健康数据科学的发展。