BACKGROUND: Tuberculous pericardial effusion (TPE) presents significant diagnostic challenges due to its nonspecific clinical presentation and similarities with other types of pericardial effusion. The available data on the use of artificial intelligence for predicting TPE is minimal and needs further expansion. This study aimed to evaluate the diagnostic performance of various machine learning algorithms (MLAs) in identifying TPE among patients with pericardial effusion.
MATERIALS AND METHODS: A retrospective study was conducted at Cho Ray Hospital in Vietnam from 2010 to 2020. Eight MLAs-lo
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.
ObjectiveThis study aimed to examine the causal relationship between depression and type-2 diabetes (T2D) and to develop a machine-learning (ML)-driven risk prediction model for T2D.MethodsThis cross-sectional study performed forward and reverse Mendelian randomization (MR) and multivariable MR (MVMR) analyses using GWAS summary data. Data from the National Health and Nutrition Examination Survey 2007-2018 were used to develop a ML-based T2D risk prediction model among individuals with depressive symptoms (n = 790). Nine ML algorithms were compared, incorporating Boruta feature selection, 10-f
СтатьяПолный 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.
AIMS/BACKGROUND: Sepsis is a leading cause of morbidity and mortality in intensive care units (ICUs). Early identification of patients at high risk of death is essential to guide timely interventions and optimize resource allocation. This study aimed to develop and validate an interpretable machine learning model for predicting 28-day mortality in adult ICU patients.
METHODS: We retrospectively analyzed data from three independent critical care databases, including 98,233 adult ICU patients. Sixteen routinely collected variables available by the 24-hour prediction landmark-including vital sig
СтатьяМногоцентровое исследованиеВалидационное исследованиеПоиск 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.
Attention deficit hyperactivity disorder (ADHD) is a developmental precursor for future conduct and other externalizing problems. Despite it … s and relate to dispositional traits and clinical features. Due to its early gateway role, clinical prediction algorithms to evaluate course of ADHD and advisability of intervention will be valuable. A neurodevelopmental, early origins perspective, including early developmental programming in the prenatal period, is increasingly informing etiological understanding of A …
СтатьяОбзорПоддержка NIH: внешняя программаПоиск 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: Machine Learning (ML) models have achieved outstanding performance in predicting post-surgical survival. However, the "black-box" nature of ML models restricts their clinical application. This study aims to develop and validate a clinically feasible, machine learning-based online prediction system for predicting the 5-year survival status of patients with prostate cancer (PCa) after surgery.
METHODS: This study conducted a retrospective analysis of clinical data from 300 older adults with PCa aged ≥ 65 years. LASSO regression, random forest (RF), and recursive feature elimination
СтатьяВалидационное 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.
BACKGROUND: Chronic kidney disease (CKD) is a critical, progressive condition associated with high mortality and substantial healthcare costs. Early detection is essential, as it can slow disease progression and improve patient outcomes. With the increasing availability of large-scale electronic health records (EHRs), the question arises to what extent these data, when combined with machine-learning algorithms specifically tailored to EHR characteristics, can enhance personalized CKD risk prediction.
METHODS: We developed a transformer model adapted from BEHRT (Bidirectional Encoder Represent
СтатьяПолный 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.
PURPOSE: Neuroblastoma (NB) is a childhood malignancy with a poor prognosis and a propensity for distant metastasis (DM). We aimed to establish machine learning (ML) based model to accurately predict risk of DM and prognosis of NB patients with DM.
METHODS: We analyzed NB patients from the Surveillance, Epidemiology, and End Results (SEER) database between 2000 and 2020. Univariate and multivariate logistic analysis were employed to select meaning variables. Recursive Feature Elimination (RFE) method based on 6 ML algorithms was utilized in feature selection. To construct predictive model, 13
СтатьяПоддержка исследования: вне правительства СШАПоиск 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: Water and nitrogen are essential elements prone to deficiency during plant growth. Current water-fertilizer monitoring technologies are unable to meet the demands of large-scale Glycyrrhiza uralensis cultivation. Near-ground remote sensing technology based on unmanned aerial vehicle (UAV) multispectral image is widely used for crop growth monitoring and agricultural management and has proven to be effective for assessing water and nitrogen status. However, integrated models tailored for medicinal plants remain underexplored.
METHODS: This study collected UAV multispectral images o
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: Implantable Collamer Lens (ICL) surgery has been proven to be a safe, effective, and predictable method for correcting myopia and myopic astigmatism. However, predicting the vault and ideal ICL size remains technically challenging. Despite the growing use of artificial intelligence (AI) in ophthalmology, no AI studies have provided available choices of different instruments and combinations for further vault and size predictions. This study aimed to fill this gap and predict post-operative vault and appropriate ICL size utilizing the comparison of numerous AI algorithms, stacking e
СтатьяПолный 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: To validate the performance of a set of risk prediction algorithms developed using the QResearch database, in an independent sample from general practices contributing to the Clinical Research Data Link (CPRD).
SETTING: Prospective open cohort study using practices contributing to the CPRD database and practices contributing to the QResearch database.
PARTICIPANTS: The CPRD validation cohort consisted of 3.3 million patients, aged 25-99 years registered at 357 general practices between 1 Jan 1998 and 31 July 2012. The validation statistics for QResearch were obtained from the ori…
СтатьяПоддержка исследования: вне правительства СШАВалидационное исследованиеПоиск 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: Coronary artery disease (CAD) is the leading cause of death globally and a major contributor to hospital readmission. This study aimed to predict 30-day mortality in patients hospitalized with acute and chronic CAD using a structured machine learning approach with data from multiple centers.
METHODS: We conducted a retrospective cohort study using patient data from the Taipei Medical University Clinical Research Database (TMUCRD). Multiple machine learning algorithms were employed to develop predictive models for 30-day mortality. Model performance was evaluated using a stratified
СтатьяМногоцентровое исследованиеПолный 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.
BACKGROUND: Proximal humerus fractures (PHFs) in patients ≥ 65 years of age are associated with increased risk of death in the months after injury. Controversy exists regarding the preferred treatment strategy in these patients, and operative treatment is associated with high complication and reoperation rates. Machine learning (ML)-driven probability calculators for mortality prediction therefore may be valuable during shared decision-making for surgeons and patients.
QUESTIONS/PURPOSES: (1) To develop ML algorithms to predict 1-year mortality in patients ≥ 65 years of age. (2) To externally
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.
Nutritional intervention can improve glycemic control for type 2 diabetes mellitus (T2DM), and thus accurately predicting post-prandial glycemic responses (PPGRs) to each meal is essential. PPGRs can vary significantly between individuals, even when consuming the same foods, due to the diverse and complex nature of individual characteristics. However, to date, system-scale studies investigating the variability of PPGRs in people living with T2DM are scarce. This research collected meal logs, continuous glucose monitoring records, clinicodemographic profiles, and gut microbiota data comprising
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.
Preeclampsia is a pregnancy syndrome characterized by complex symptoms which cause maternal and fetal problems and deaths. The aim of this study is to achieve preeclampsia risk prediction and early risk prediction in Xinjiang, China, based on the placental growth factor measured using the SiMoA or Elecsys platform. A novel reliable calibration modeling method and missing data imputing method are proposed, in which different strategies are used to adapt to small samples, training data, test data, independent features, and dependent feature pairs. Multiple machine learning algorithms were applie
СтатьяПолный 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.
Ultrasound monitoring and hormonal blood testing are considered by many as an accurate method to predict ovulation time. However, uniform and validated algorithms for predicting ovulation have yet to be defined. Daily hormonal tests and transvaginal ultrasounds were recorded to develop an algorithm for ovulation prediction. The rupture of the leading ovarian follicle was a marker for ovulation day. The model was validated retrospectively on natural cycles frozen embryo transfer cycles with documented ovulation. Circulating levels of LH or its relative variation failed, by themselves, to reliab
СтатьяПоддержка исследования: вне правительства СШАПоиск 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/AIMS: Accurately predicting 30-day unplanned readmission in older adults is critical for improving care transitions and reducing preventable hospitalizations. Most existing models rely only on data available at discharge, limiting early intervention. This study aimed to develop and evaluate machine learning models to predict 30-day unplanned readmissions using information from the first 48 h of hospitalization, and to compare their performance with discharge-based models.
METHODS: We analyzed data from 14,140 older adult admissions to a quaternary hospital. We built ML algorithms to p
СтатьяПолный 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.
BACKGROUND: Physically inactive older adults represent a high-risk group for depression. However, whether dietary antioxidant intake profiles can help stratify depression risk within this population has not been well established. This study aims to evaluate the predictive ability of dietary antioxidant intake for depression risk in physically inactive adults aged 60 and older using machine learning methods.
METHODS: This study utilized data from the 2007-2010 and 2017-2018 cycles of the National Health and Nutrition Examination Survey (NHANES), including 2,496 physically inactive adults aged
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: Nasogastric tube (NGT) feeding is a common method for providing enteral nutrition to patients with acute ischemic stroke (AIS) and dysphagia. However, prolonged NGT dependence contributes to adverse clinical consequences. Early identification of patients who may develop persistent NGT dependence remains challenging.
METHODS: A total of 852 AIS patients requiring NGT were included and allocated to the training (n = 596) and internal validation (n = 256) sets. Predictor selection utilized least absolute shrinkage and selection operator (LASSO) regression, the eXtreme Gradient Boosti
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.
Blood transfusion is common during pediatric craniosynostosis surgery; however, transfusion volumes and use of cell salvage systems can vary considerably. To support preoperative transfusion planning in patients undergoing craniectomy for craniosynostosis, we developed and internally validated machine learning (ML) models to predict perioperative transfusion risks and transfusion volumes in this patient population. Data from eligible patients ≤36 months of age from the NSQIP® Pediatric dataset were included for modeling. A classifier pipeline was developed to predict probabilities associated w
СтатьяВалидационное исследованиеПоиск 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.
OBJECTIVES: Despite a well-defined diagnostic work-up, uncertainties persist regarding celiac disease (CeD) detection strategies in the general population. Machine learning (ML) algorithms offer promise in aiding medical decision-making on clinical data. This study aimed to utilize ML prediction models to identify uncommon features indicating the necessity for CeD screening in children.
METHODS: The discovery cohort comprised children with CeD exhibiting nonspecific clinical features, drawn from a single referral center, along with gender- and age-matched controls. Data collected included dem
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.
MedElevator
Войти в исследования