This paper presents application of machine learning methods on a 356 sample dataset for early prediction of reading disability among first graders. A wide array of classifiers consisting of Support Vector Machines, Decision Trees (CART and C4.5), Linear Discriminant Analysis, k Nearest Neighbor and Naïve Bayes Classifiers were used in this study. Markov Blanket based feature selection algorithms (HITON-PC and HITON-MB) and wrapper based feature selection algorithms (forward, backward, forward and backward wrapping algorithm and support vector machine recursive feature elimination) were used to
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Scrub typhus (ST) is a life-threatening infectious disease caused by Orientia tsutsugamushi. Early prediction of whether the disease will progress to a severe state is crucial for clinicians to provide targeted medical care in advance.
METHODS: This study retrospectively collected severe and mild ST cases in two hospitals in Fujian Province, China from 2011 to 2022. Eighteen objective clinical and laboratory features collected at admission were screened using various feature selection algorithms, and used to construct models based on six machine learning algorithms.
RESULTS: The
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The effect of Ebola virus disease (EVD) is fatal and devastating, necessitating several efforts to identify potent biotherapeutic molecules. This review seeks to provide perspectives on complementing existing work on Ebola virus (EBOV) by discussing the role of machine learning (ML) techniques in the prediction of small molecule inhibitors of EBOV. Different ML algorithms have been used to predict anti-EBOV compounds, including Bayesian, support vector machine, and random forest algorithms, which present strong models with credible outcomes. The use of deep learning models for predicting anti-
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
A significant proportion of chronic wounds fail to heal in response to treatment of underlying pathologies combined with good wound care practice. Current prognostic tests to identify these wounds rely on the use of algorithms based on clinically measurable parameters such as wound dimensions and wound duration. Venous leg ulcers may be stratified into healing/non healing at 24 weeks of compression therapy and diabetic foot ulcer treatment outcome assessed using a 3-parameter algorithm. Accurate and reproducible measurement of wound area is required for these algorithms to have clinical utilit
СтатьяОбзорПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Prediction models are increasingly used to inform clinical decision-making. However, outcome prediction models (i.e., traditional prediction models) and treatment effect prediction models (i.e., prediction under interventions) are often confused in practice, which may mislead clinical decisions and lead to adverse clinical outcomes. Using typical study cases, this paper systematically clarifies common misconceptions and key differences between the two model types. It presents the latest advances in the development and application of treatment-effect prediction models, aiming to avoid misinterp
Аннотация на английскомСтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVES: The primary objective was to evaluate the predictive performance of artificial intelligence (AI) models for craniofacial and mandibular growth prediction. Secondary objectives were to assess methodological quality and identify research gaps.
MATERIALS AND METHODS: Nine databases were searched through August 12, 2026, supplemented by manual searches. Human studies assessing AI-based models for craniofacial or mandibular growth prediction were included. Study characteristics, prediction intervals, AI approaches, performance metrics, and validation strategies were extracted. Risk of
СтатьяСистематический обзорОбзорПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BackgroundStroke remains a leading cause of mortality, long-term disability, and healthcare expenditure worldwide, placing substantial strain on healthcare systems, particularly in low- and middle-income countries. Effective risk stratification can facilitate targeted prevention strategies, optimize resource allocation, and reduce avoidable hospitalizations. This study synthesizes existing evidence on the predictive performance of artificial intelligence (AI)-based models for stroke risk assessment through meta-analysis and explores their potential implications for healthcare system planning.M
СтатьяСистематический обзорМетаанализПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Spontaneous intracerebral hemorrhage (ICH) is associated with high risks of mortality and disability, yet early and accurate outcome prediction remains challenging. This study systematically evaluated the performance of machine learning (ML) models in predicting key adverse outcomes (hematoma expansion [HE], poor functional outcome, mortality) in ICH, aiming to provide consolidated evidence for future research and clinical translation.
METHODS: We systematically searched PubMed, Embase, Web of Science, and Cochrane Library up to September 2025. Studies developing and validating ML
СтатьяСистематический обзорМетаанализПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Given the continuous increase in dataset sizes and the complexity of forecasting models, the trade-off between forecast accuracy and computational cost is emerging as an extremely relevant topic, especially in the context of ensemble learning for time series forecasting. To assess it, we evaluated ten base models and eight ensemble configurations across two large-scale retail datasets, considering both point and probabilistic accuracy under varying retraining frequencies. We showed that ensembles consistently improve forecasting performance, particularly in probabilistic settings. However, the
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Accurate estimations of fuel consumption and carbon emissions insights are critical for performance benchmarking, emissions compliance, and the optimization of energy management strategies in vehicles' systems. Unlike model-based predictive approaches that require complex modelling, machine learning (ML) predictive models learn patterns directly from data, w making them flexible, automated, and scalable solutions for complex nonlinear systems that can easily adapt to diverse sets of data with high predictive accuracy. These models typically span from linear and nonlinear models to ensemble app
СтатьяСравнительное исследованиеПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The core component to ensure the refined and safe operation of distribution network scheduling is 10 kV bus load probabilistic prediction. However, existing probabilistic prediction methods suffer from insufficient dynamic feature extraction and compromised prediction reliability caused by quantile crossing. To address these issues, this paper proposes a 10 kV bus load probabilistic prediction method integrating multi-value quantile regression (MQR) and a temporal fusion ensemble learning model (ELM). Firstly, a temporal fusion ensemble learning model is constructed, which integrates multiple
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2023eng
PURPOSE: A common spine surgery procedure involves decompression of the lumbar spine. The impact of the surgeon's learning curve on relevant clinical outcomes is currently not well examined in the literature. A variety of machine learning algorithms have been investigated in this study to determine how a surgeon's learning curve and other clinical parameters will influence prolonged lengths of stay (LOS), extended operating times (OT), and complications, as well as whether these clinical parameters can be reliably predicted.
METHODS: A retrospective monocentric cohort study of patients with l
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Preterm birth (PTB) remains a significant challenge in modern obstetric practice, posing considerable risks to maternal and neonatal health. Despite advancements in medical technology, the incidence of PTB remains high, and its prediction continues to be complex. Traditional methods for predicting PTB, including medical history evaluation, cervical length measurement, and biochemical markers, have shown limited precision in preventing this serious complication. However, recent technological advancements-such as machine learning algorithms, biomarker profiling, and genetic analyses-offer new po
СтатьяОбзорПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
INTRODUCTION: Several nucleic acid amplification tests (NAATs), mostly PCRs, to detect antimicrobial resistance (AMR) determinants and predict AMR in Neisseria gonorrhoeae are promising, and some may be ready to apply at the point-of-care (POC), but important limitations remain with NAATs. Next-generation sequencing (NGS) can overcome many of these limitations.
AREAS COVERED: Recent advances, with main focus on publications since 2017, in the development and use of NAATs and NGS to predict gonococcal AMR for surveillance and clinical use, and the pros and cons of these tests as well as future
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Antimicrobial resistance (AMR) is one of the most pressing public health challenges of the 21st century. This study aims to evaluate the efficacy of mass spectral data generated by VITEK® MS instruments for predicting antibiotic resistance in Staphylococcus aureus, Escherichia coli, and Klebsiella pneumoniae using machine learning algorithms. Additionally, the potential of pre-trained models was assessed through transfer learning analysis. A dataset comprising 2229 mass spectra was collected, and classification algorithms, including Support Vector Machines, Random Forest, Logistic Regression,
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The human population is steadily growing with increased life expectancy, impacting the prevalence of age-dependent diseases, including age-related macular degeneration (AMD). Health care systems are confronted with an increasing burden with rising patient numbers accompanied by ongoing developments of therapeutic approaches. Concurrent advances in imaging modalities provide eye care professionals with a large amount of data for each patient. Furthermore, with continuous progress in therapeutics, there is an unmet need for reliable structural and functional biomarkers in clinical trials and pra
СтатьяОбзорПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The integration of artificial intelligence (AI) and deep learning algorithms into medical care has been the focus of development over the last decade, particularly in the field of assisted reproductive technologies and in vitro fertilization (IVF). With embryo morphology the cornerstone of clinical decision making for IVF, the field of IVF is highly reliant on visual assessments that can be prone to error and subjectivity and be dependent on the level of training and expertise of the observing embryologist. Implementing AI algorithms into the IVF laboratory allows for reliable, objective, and
СтатьяОбзорПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: Since the prognosis of renal cell carcinoma (RCC) patients with bone metastasis (BM) is poor, this study is aimed at using big data to build a machine learning (ML) model to predict the risk of BM in RCC patients.
METHODS: A retrospective study was conducted on 40,355 RCC patients in the SEER database from 2010 to 2017. LASSO regression and multivariate logistic regression analysis was performed to determine independent risk factors of RCC-BM. Six ML algorithm models, including LR, GBM, XGB, RF, DT, and NBC, were used to establish risk models for predicting RCC-BM. The prediction per
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Dynamic prediction of future clinical outcomes based on longitudinally measured predictors plays a crucial role in disease management and patient counseling, particularly when conventional static models are inadequate. Joint modeling of longitudinal and time-to-event data provides a useful framework for addressing this challenge. In this paper, we present a comprehensive development of the recently proposed backward joint model (BJM; Shen and Li, 2021), which factorizes the likelihood into the distribution of time-to-event data and the conditional distribution of longitudinal data given the ev
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Seasonal influenza epidemics exhibit complex transmission dynamics influenced by time-varying extrinsic factors such as social behavior and seasonal effects. Estimating changes in transmission rates is critical to enable accurate forecasting of the epidemic curve. This study presents a framework for detecting changepoints in the transmission parameter ([Formula: see text]), applied as a piecewise constant function within a deterministic compartmental model. Using hospitalized case data from four recent influenza A seasons in Ireland (2019/2020 and 2022-2025), we applied iterated filtering and
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MedElevator
Войти в исследования