本文介绍了一种新型框架sEHR-CE，利用预训练语言模型集成异构临床数据，以提高疾病表型预测的准确性。同时，研究探讨了社会卫生决定因素（SDOH）对患者健康的影响，并提出智能路由系统和增强知识图谱，以解决SDoH在医疗中的集成不足问题，促进公平医疗推荐。

社会卫生决定因素（SDoH）在儿科人群中起关键作用。研究使用儿科社会历史标注语料库（PedSHAC）和大型语言模型（LLMs）评估SDoH的自动提取。PedSHAC包含1260个儿科患者的临床记录，涵盖十个健康决定因素。通过精细调整的基于LLM的提取器，实现了高性能。结合GPT-4的上下文学习方法，展现了可靠的SDoH提取前景。

研究使用儿科社会历史标注语料库（PedSHAC）评估儿科人群中的社会卫生决定因素（SDoH）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。研究展示了可靠的SDoH提取前景。