SurvivEHR: a competing risks, time-to-event foundation model for multiple long-term conditions from primary care electronic health records
Rattachement africain : gb. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Multiple long-term conditions (MLTCs), or multimorbidity-the co-occurrence of multiple chronic conditions-present a growing challenge for primary care. Existing predictive models typically focus on single outcomes and often fail to capture the temporal and competing-risk structure inherent in longitudinal electronic health records (EHRs). Here, we present SurvivEHR, a generative transformer-based foundation model trained on over 7.6 billion coded events from 23 million patients in UK primary care. SurvivEHR is pre-trained using a competing-risk, time-to-next-event objective, enabling calibrated risk stratification across a broad range of diagnoses, investigations, medications, and mortality events. We show that this pre-training objective yields strong next-event discrimination and learns clinically meaningful patient trajectories. When adapted through fine-tuning, SurvivEHR achieves improved performance on downstream prognostic tasks, including longer-horizon risk prediction, with particular benefits in low-resource settings. By learning longitudinal patient representations directly from routine primary care records, SurvivEHR provides a scalable foundation for developing generalisable clinical risk models that reflect the complexity of MLTCs in primary care.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- SurvivEHR: a competing risks, time-to-event foundation model for multiple long-term conditions from primary care electronic health records
- Date Crossref
- 09/05/2026
- Éditeur
- Springer Science and Business Media LLC
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
University of Oxford Nuffield Department for Women's & Reproductive Health pays non établi dans la noticeUniversité ou école supérieure
-
University of Birmingham pays non établi dans la noticeUniversité ou école supérieure
-
King's College London pays non établi dans la noticeUniversité ou école supérieure
-
Health Data Research UK pays non établi dans la noticeOrganisation à but non lucratif
-
University of St Andrews pays non établi dans la noticeUniversité ou école supérieure
-
Nuffield Health pays non établi dans la noticeÉtablissement de santé
-
Kings College London pays non établi dans la noticeUniversité ou école supérieure
-
Medicines and Healthcare products Regulatory Agency pays non établi dans la noticeOrganisme public
Nuffield Department for Women's & Reproductive Health — University of Oxford, University of Birmingham et King's College London, avec 5 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.