新的Python包，ERTool，为高效的多源证据融合而开发

　　北京大学的研究人员开发了ERTool，这是一个开源的Python包，旨在简化证据推理的实现多源证据融合的ER方法。该工具解决了在不确定的决策环境中整合来自多个来源的数据的挑战。研究结果发表在健康数据科学。

　　多源证据融合在医疗保健管理、业务分析和环境风险评估等领域发挥着关键作用。然而，ER方法的传统应用一直很复杂，需要编码方面的专业知识。为了克服这些挑战，北京大学国家卫生数据科学研究所的副教授Guilan Kong和她的团队设计了ERTool，使ER方法自动化，使更广泛的受众（包括非专家）可以使用它。

　　“我们的目标是使急诊室的方法更加用户友好，特别是对非专业人士来说，”孔桂兰解释说。“ERTool在复杂算法和实际应用之间架起了桥梁，使研究人员和专业人员能够更轻松地集成多源数据，以实现基于证据的决策。”

　　ERTool包简化了融合来自不同来源的证据的过程，并解决了决策中的不确定性。它具有简洁的界面和高计算效率，使其成为一系列应用程序的通用工具。ERTool可以通过Python包索引访问，也可以通过其在线版本使用，它支持实时证据融合和结果可视化。

　　与智能决策系统（IDS）等其他系统相比，ERTool更易于访问和使用，这要归功于它的开源特性。它是免费向公众提供的，这增加了它在各个领域广泛使用的潜力。

　　下一步，研究小组计划将数据库管理系统（DBMS）集成到ERTool中，这将使其能够处理更大量的证据数据。孔桂兰补充说：“我们的最终目标是使ERTool成为多源证据融合的领先解决方案，并随着证据推理的最新发展不断发展。”