关于本研究主题
本研究主题已关闭投稿。
背景
全球慢性疾病负担——包括心血管疾病、糖尿病、肥胖症、癌症及其他非传染性疾病——亟需创新的公共卫生策略。人工智能、数据科学、移动技术及数字健康平台的加速应用，为人群层面的健康监测、风险预测、针对性预防和健康行为改变开辟了新前沿。
本研究主题旨在通过汇集利用数字工具解决慢性疾病预防、人群健康监测和健康公平性问题的新颖研究和实际应用，推动数字技术与公共卫生的交叉发展。我们尤其鼓励计算机/数据科学与公共卫生的跨学科合作，以及超越单一疾病局限或能在不同人群中扩展的干预措施。
我们欢迎但不限于以下领域的贡献：
- 用于预测高风险人群或多病共存的AI/机器学习方法
- 用于大规模促进健康行为的数字/移动健康工具（体育活动、营养、戒烟）
- 用于慢性疾病监测或人群层面干预设计与评估的数据驱动模型
- 以公平为中心的数字公共卫生：通过技术缩小在获取、预防或结果方面的差距的策略
- 数字生物标志物、真实世界数据和组学技术的整合，用于可扩展的风险分层
- 技术、隐私与公共卫生交叉领域的伦理和政策影响
通过促进跨学科、技术驱动且对公共卫生有影响力的研究，本主题将有助于塑造下一代全球慢性疾病预防和健康促进工作。
关键词：慢性疾病预防、数字健康、人工智能在公共卫生中的应用、数据科学、移动健康、健康公平性、人群健康监测、数字生物标志物、风险预测
重要提示：本研究主题的所有投稿必须符合其提交的栏目和期刊的范围，如其使命声明中所定义。Frontiers保留在同行评审的任何阶段将超出范围的稿件引导至更合适的栏目或期刊的权利。
主题编辑
韩锋 (Han Feng)
杜兰大学医学院
美国新奥尔良
余 duo (Duo Yu)
威斯康星医学院
美国密尔沃基
李翔 (Xiang Li)
伊利诺伊大学芝加哥分校
美国芝加哥
【全文结束】
