BACKGROUND: Delirium is a frequent postoperative complication among patients who have undergone cardiac surgery and is associated with prolonged hospitalization, cognitive decline, and increased mortality. Early prediction of delirium is therefore critical for initiating timely interventions.
OBJECTIVE: This study proposes the development and validation of a machine learning-based model to predict postoperative delirium in patients undergoing cardiac surgery during intensive care unit (ICU) care, facilitating the early detection of individuals at high risk of delirium and supporting clinician
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: Despite low-molecular-weight heparin (LMWH) prophylaxis, the incidence of deep vein thrombosis (DVT) remains high in intensive care unit (ICU) patients, creating a need for personalised risk assessment to enable precision prevention.
OBJECTIVES: The aim of this study was to develop and validate a prediction model for lower extremity DVT in ICU patients already receiving LMWH, thereby improving risk stratification to guide targeted screening and optimise preventive strategies.
METHODS: In this retrospective case-control study, 601 ICU patients from a Chinese tertiary centre (Jan 2
СтатьяНаблюдательное 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: Rheumatoid arthritis (RA) is a chronic inflammatory disease marked by painful, progressive joint damage that leads to disability and a significant socioeconomic burden. Given the growing interest in data-driven healthcare, this study applied machine learning (ML) techniques to identify patterns of joint involvement associated with greater disease activity and functional impairment in patients with RA.
METHOD: In this cross-sectional study, 936 individuals with RA were assessed using demographic and clinical data, along with detailed joint examinations, including tenderness, swelli
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.
IMPORTANCE: Early liver metastasis (early-LiM) after pancreatectomy represents an aggressive biological phenotype of pancreatic ductal adenocarcinoma (PDAC) and is associated with markedly poor survival. Reliable preoperative biomarkers to identify occult hepatic micrometastasis remain lacking.
OBJECTIVE: To develop and externally validate a circulating exosomal microRNA (exo-miRNA)-based machine learning model for preoperative detection of occult early-LiM in PDAC.
DESIGN, SETTING, AND PARTICIPANTS: This multicenter retrospective case-control study included 3 phases: genome-wide discovery u
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: Metabolic dysfunction-associated fatty liver disease (MAFLD) presents a significant public health issue in China. The "lean" subtype (L-MAFLD) accounts for a certain proportion of cases but is frequently underrecognized in primary care due to the absence of visible obesity. Its distinct clinical and biochemical phenotype remains unclear. This study aimed to identify routine biomarker features and statistical associations related to the metabolic variability of L-MAFLD within the general population.
METHODS: This retrospective, cross-sectional study was conducted from January 2023
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: Breastfeeding duration is influenced by a complex interplay of obstetric, physiological, and sociodemographic factors. Traditional linear statistical models often struggle to capture the high-dimensional, non-linear synergistic effects among these variables, while complex deep learning models are prone to overfitting on small clinical datasets.
METHODS: To address these challenges, this study proposes an interpretable machine learning framework based on eXtreme Gradient Boosting (XGBoost). We analyzed clinical follow-up data from 210 postpartum women. The framework incorporates Ex
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.
AIMS: Early identification of obstructive coronary artery disease (ObCAD) is crucial because it is strongly associated with acute myocardial infarction. We developed a weighted average ensemble model integrating deep learning (DL) and machine learning (ML) to leverage imaging and clinical data for enhancing the detection of ObCAD.
METHODS AND RESULTS: A retrospective cohort of 1054 patients was used to develop an ensemble model combining a 3D Vision Transformer with eXtreme Gradient Boosting and CatBoost for binary classification of ObCAD (>50% stenosis). Unstructured data comprised 3D cardia
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.
OBJECTIVE: Hepatitis C virus (HCV) infection poses a global health threat with many undiagnosed cases despite advances in diagnosis and treatment. The LiverTAI project in Spain utilized electronic health records (EHRs) to study factors associated with HCV infection, aiming to develop a predictive model for identifying unconfirmed HCV cases in the hospital setting.
PATIENTS AND METHODS: Clinical data from EHRs of six hospitals in Spain were analyzed using machine learning and natural language processing through EHRead®. Patients were categorized as HCV positive, negative, or unknown. A semi-su
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.
Camera traps have become in situ sensors for collecting information on animal abundance and occupancy estimates. When deployed over a large landscape, camera traps have become ideal for measuring the health of ecosystems, particularly in unstable habitats where it can be dangerous or even impossible to observe using conventional methods. However, manual processing of imagery is extremely time and labor intensive. Because of the associated expense, many studies have started to employ machine-learning tools, such as convolutional neural networks (CNNs). One drawback for the majority of networks
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: Patients presenting with both type 2 diabetes (T2D) and lung function impairment (LFI) are exposed to an amplified risk of major adverse cardiovascular events (MACE). Although the SCORE2-Diabetes algorithm is widely endorsed for clinical risk assessment, its prognostic accuracy within this specific multimorbid phenotype remains inadequately explored. This study sought to evaluate the baseline utility of SCORE2-Diabetes and to investigate whether integrating a novel, machine learning-derived metabolomic signature could optimize 10-year MACE prediction in this highly vulnerable popul
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: Inflammatory bowel disease (IBD) and irritable bowel syndrome (IBS) often present with overlapping gastrointestinal symptoms despite distinct pathophysiological mechanisms. Colonoscopy remains the diagnostic gold standard but is invasive, costly and frequently overutilized. Single biomarkers have limited diagnostic value because they do not fully reflect the complex metabolic and inflammatory alterations underlying intestinal diseases. We aimed to develop and validate an interpretable machine learning-based scoring system integrating multidimensional metabolism-related biomarkers f
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.
OBJECTIVES: In this study we have two objectives: 1. To establish a dominant cost of injury structure. We perform an analysis of full medical cost for crash injuries including hospital charges and professional fees, to determine a cost structure model that can be extrapolated to higher level datasets. 2. To build multifactor models for cost of injury based on Classification and Regression Trees (CART) machine learning technique. This type of analytical tool gives us many advantages compared to other methods.
METHODS: We use two sources of data: the Maryland statewide hospital population data
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.
Periodontitis is a prevalent inflammatory disease characterized by immune dysregulation and tissue destruction, yet the molecular mechanisms linking metabolic epigenetic modifications and immune responses remain insufficiently understood. Recent evidence suggests protein lactylation plays a pivotal role in shaping immune landscapes in chronic inflammation, but its relevance in periodontitis is largely unexplored. We systematically analyzed microarray-based bulk gene expression datasets from gingival tissues and single-cell RNA sequencing (scRNA-seq) data derived from peripheral blood mononucle
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.
BACKGROUND: Prolonged hospital stays can lead to inefficiencies in health care delivery and unnecessary consumption of medical resources.
OBJECTIVE: This study aimed to identify key clinical variances associated with prolonged length of stay (PLOS) in clinical pathways using a machine learning model trained on real-world data from the ePath system.
METHODS: We analyzed data from 480 patients with lung cancer (age: mean 68.3, SD 11.2 years; n=263, 54.8% men) who underwent video-assisted thoracoscopic surgery at a university hospital between 2019 and 2023. PLOS was defined as a hospital stay e
СтатьяВалидационное исследованиеПоддержка исследования: вне правительства СШАПолный 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: Early detection and accurate prediction of bipolar disorders (BDs) comorbidity in individuals with attention-deficit/hyperactivity disorder (ADHD) are clinically critical. This study used machine-learning methods to identify features predictive of subsequent BD among patients initially diagnosed with ADHD. METHODS: We analyzed claims from the Taiwan National Health Insurance Research Database (2000–2013) and included patients aged ≥ 12 years with at least two diagnoses of ADHD. Predictor features included demographics (sex, age at ADHD onset), healthcare utilization (psychiatric ou
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.
INTRODUCTION: Approximately 1 in 4 Navy recruits will not complete their obligated service. Identifying factors associated with Navy attrition is essential to retaining a skilled and motivated fighting force. This study utilized machine learning and variable importance measures (VIM) extracted from random forest (RF) and extreme gradient boosting (XGBoost) decision trees to identify factors that contribute to Navy attrition. These methods are more robust and sensitive when assessing hundreds of predictor variables, offering superior performance relative to regression analyses. Leveraging advan
СтатьяПоддержка 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.
BACKGROUND: Understanding interactions between multiple risk factors for shoulder and elbow injuries in Major League Baseball (MLB) pitchers is important to identify potential avenues by which risk can be reduced while minimizing impact on player performance.
PURPOSE: To apply a novel game theory-based approach to develop a machine-learning model predictive of next-season shoulder and elbow injuries in MLB pitchers and use this model to understand interdependencies and interaction effects between the most important risk factors.
STUDY DESIGN: Case-control study; Level of evidence, 3.
METHOD
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: Hypospadias phenotype assessment determines if the anatomy is favorable for reconstruction. Glans-Urethral Meatus-Shaft (GMS) has been adopted in an effort to standardize hypospadias classification. While extremely subjective, GMS has been widely used to classify the severity of the phenotype to predict surgical outcomes. The use of digital image analysis has proven to be feasible and prior efforts by our team have demonstrated that machine learning algorithms can emulate an expert's assessment of the phenotype. Nonetheless, the creation of these image recognition algorithms is hig
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.
BACKGROUND: Compression ultrasonography of the leg is established for triaging proximal lower extremity deep vein thrombosis (DVT). AutoDVT, a machine-learning software, provides a tool for nonspecialists in acquiring compression sequences to be reviewed by an expert for patient triage. The purpose of this study was to test image acquisition and remote triaging in a clinical setting.
METHODS: Patients with a suspected DVT were recruited at 2 centers in Germany and Greece. Enrolled patients underwent an artificial intelligence-guided two-point compression examination by a nonspecialist using a
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.
Rationale: Computerized severity assessment for community-acquired pneumonia could improve consistency and reduce clinician burden. Objectives: To develop and compare 30-day mortality-prediction models using electronic health record data, including a computerized score with all variables from the original Pneumonia Severity Index (PSI) except confusion and pleural effusion ("ePSI score") versus models with additional variables. Methods: Among adults with community-acquired pneumonia presenting to emergency departments at 117 Veterans Affairs Medical Centers between January 1, 2006, and Decembe
СтатьяПоддержка правительства СШАПолный 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.
MedElevator
Войти в исследования