• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

In the Era of Precision Medicine and Big Data, Who Is Normal?

作者信息

Manrai Arjun K, Patel Chirag J, Ioannidis John P A

机构信息

Department of Biomedical Informatics, Harvard Medical School, Boston, Massachusetts.

Stanford Prevention Research Center, Stanford University, Stanford, California.

出版信息

JAMA. 2018 May 15;319(19):1981-1982. doi: 10.1001/jama.2018.2009.

DOI:10.1001/jama.2018.2009
PMID:29710130
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC7572221/
Abstract
摘要

相似文献

1
In the Era of Precision Medicine and Big Data, Who Is Normal?在精准医学与大数据时代，谁是正常人？
JAMA. 2018 May 15;319(19):1981-1982. doi: 10.1001/jama.2018.2009.
2
Genetics: Big hopes for big data.遗传学：大数据带来巨大希望。
Nature. 2015 Nov 19;527(7578):S108-9. doi: 10.1038/527S108a.
3
High-Definition Medicine.高清医学
Cell. 2017 Aug 24;170(5):828-843. doi: 10.1016/j.cell.2017.08.007.
4
The power of big data must be harnessed for medical progress.必须利用大数据的力量推动医学进步。
Nature. 2016 Nov 24;539(7630):467-468. doi: 10.1038/539467b.
5
Why we need a small data paradigm.为什么我们需要小数据范式。
BMC Med. 2019 Jul 17;17(1):133. doi: 10.1186/s12916-019-1366-x.
6
Using Big Data to Determine Reference Values for Laboratory Tests.利用大数据确定实验室检测的参考值。
JAMA. 2018 Oct 9;320(14):1495-1496. doi: 10.1001/jama.2018.10952.
7
Using Big Data to Determine Reference Values for Laboratory Tests-Reply.利用大数据确定实验室检查的参考值——回复
JAMA. 2018 Oct 9;320(14):1496. doi: 10.1001/jama.2018.10956.
8
Integrative Analysis of Omics Big Data.组学大数据的综合分析
Methods Mol Biol. 2018;1754:109-135. doi: 10.1007/978-1-4939-7717-8_7.
9
The new era of precision population health: insights for the All of Us Research Program and beyond.精准人口健康新时代：美国“全民研究计划”及其他项目的启示
J Transl Med. 2018 Jul 27;16(1):211. doi: 10.1186/s12967-018-1585-5.
10
Precision Nutrition 4.0: A Big Data and Ethics Foresight Analysis--Convergence of Agrigenomics, Nutrigenomics, Nutriproteomics, and Nutrimetabolomics.精准营养4.0：大数据与伦理前瞻性分析——农业基因组学、营养基因组学、营养蛋白质组学和营养代谢组学的融合
OMICS. 2016 Feb;20(2):69-75. doi: 10.1089/omi.2015.0193. Epub 2016 Jan 19.

引用本文的文献

1
Data science applied to the assessment of biological variation estimates.应用于生物变异估计评估的数据科学。
Adv Lab Med. 2025 Apr 1;6(2):154-159. doi: 10.1515/almed-2025-0042. eCollection 2025 Jun.
2
[Not Available].[无可用内容]
Adv Lab Med. 2025 Apr 3;6(2):160-165. doi: 10.1515/almed-2024-0163. eCollection 2025 Jun.
3
Understanding Genetic Screening: Harnessing Health Information to Prevent Disease Risks.了解基因筛查：利用健康信息预防疾病风险。
Int J Med Sci. 2025 Jan 21;22(4):903-919. doi: 10.7150/ijms.101219. eCollection 2025.
4
Strategic use of Big Data: implementing reference intervals for serum folate and serum cobalamin.大数据的战略应用：实施血清叶酸和血清钴胺素的参考区间
Biochem Med (Zagreb). 2025 Feb 15;35(1):010705. doi: 10.11613/BM.2025.010705.
5
Identifying High-Priority Ethical Challenges for Precision Emergency Medicine: Nominal Group Study.确定精准急诊医学的高度优先伦理挑战：名义群体研究
JMIR Form Res. 2025 Feb 6;9:e68371. doi: 10.2196/68371.
6
The need for a change in medical research thinking. Eco-systemic research frames are better suited to explore patterned disease behaviors.医学研究思维变革的必要性。生态系统研究框架更适合探索模式化的疾病行为。
Front Med (Lausanne). 2024 Jun 3;11:1377356. doi: 10.3389/fmed.2024.1377356. eCollection 2024.
7
Medical Artificial Intelligence and Human Values.医学人工智能与人类价值观
N Engl J Med. 2024 May 30;390(20):1895-1904. doi: 10.1056/NEJMra2214183.
8
A Practical Guide to Evaluating and Using Big Data in Digestive Disease Research.消化系统疾病研究中评估和使用大数据实用指南
Gastroenterology. 2024 Feb;166(2):240-247. doi: 10.1053/j.gastro.2023.11.292. Epub 2023 Dec 3.
9
Artificial Intelligence Bias in Health Care: Web-Based Survey.人工智能在医疗保健中的偏见：基于网络的调查。
J Med Internet Res. 2023 Jun 22;25:e41089. doi: 10.2196/41089.
10
Addressing the Challenge of Biomedical Data Inequality: An Artificial Intelligence Perspective.解决生物医学数据不平等问题：人工智能视角。
Annu Rev Biomed Data Sci. 2023 Aug 10;6:153-171. doi: 10.1146/annurev-biodatasci-020722-020704. Epub 2023 Apr 27.

本文引用的文献

1
Association of Sickle Cell Trait With Hemoglobin A1c in African Americans.镰状细胞性状与非裔美国人糖化血红蛋白A1c的关联
JAMA. 2017 Feb 7;317(5):507-515. doi: 10.1001/jama.2016.21035.
2
Are mortality differences detected by administrative data reliable and actionable?通过行政数据检测到的死亡率差异是否可靠且可采取行动？
JAMA. 2013 Apr 3;309(13):1410-1. doi: 10.1001/jama.2013.3150.
3
Ancestry and disease in the age of genomic medicine.基因组医学时代的血统与疾病
N Engl J Med. 2010 Oct 14;363(16):1551-8. doi: 10.1056/NEJMra0911564.
4
International Expert Committee report on the role of the A1C assay in the diagnosis of diabetes.国际专家委员会关于糖化血红蛋白检测在糖尿病诊断中作用的报告。
Diabetes Care. 2009 Jul;32(7):1327-34. doi: 10.2337/dc09-9033. Epub 2009 Jun 5.