BACKGROUND: Cytomegalovirus (CMV) End-Organ Disease (EOD) remains a significant complication in immunocompromised individuals, particularly transplant recipients and patients undergoing chemotherapy. Accurate prediction of CMV EOD is essential for timely intervention but remains challenging using traditional methods.
OBJECTIVE: This study aimed to evaluate the diagnostic performance of machine learning (ML) algorithms in predicting CMV EOD using clinical and laboratory data from a diverse cohort of high-risk patients.
METHODS: A retrospective analysis was conducted on 227 adult patients with
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.
Antimicrobial resistance (AMR) is a significant global health threat. Recent studies have shown that combining MALDI-TOF mass spectrometry with machine learning algorithms can accelerate AMR determination. However, these efforts have predominantly focused on bacterial pathogens. The significant morbidity, mortality, and healthcare costs associated with fungal infections highlight the need for accurate and early detection of antifungal resistance. We developed a machine learning pipeline integrating MALDI-TOF mass spectrometry data and drug features to predict antifungal resistance and identify
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.
Forensic DNA phenotyping (FDP) enables the prediction of externally visible characteristics from genetic data, providing valuable investigative leads. While current approaches achieve high accuracy for blue and brown eye color, the prediction of intermediate phenotypes such as green and hazel remains challenging, particularly in Southern European and Mediterranean populations. In this study, we developed GenoEye, an interpretable machine learning framework for three-category eye color prediction based on an expanded SNP panel, from which a final 37-SNP predictive signature was derived. The mod
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.
Innovative technologies for developing intelligent systems related to locomotion prediction learning are crucial in today's world. Human locomotion involves various complex concepts that must be addressed to enable accurate prediction through learning mechanisms. Our proposed system focuses on locomotion learning through vision RGB devices, ambient sensors-based signals, and physiological motions from biosensing devices. First, the data is acquired from five different scenarios-based datasets. Then, we pre-process the data to mitigate the noise from biosensors and extract body landmarks and ke
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.
Per- and polyfluoroalkyl substances (PFAS) are persistent groundwater contaminants that pose long-term risks to water sources and public health. Predicting PFAS occurrence remains challenging due to high-dimensional environmental data and limited model interpretability. In this study, we benchmarked explainable machine learning models to predict PFAS occurrence in groundwater and to identify the features strongly associated with estimated PFAS occurrence. A comprehensive dataset of 12,406 groundwater characterization records collected between 2001 and 2019 was compiled with 172 explanatory fea
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.
Membrane capacitive deionization (MCDI) is a promising electrochemical technique for water desalination. However, accurately predicting its salt removal efficiency (SRE) remains challenging because desalination performance is governed by complex nonlinear interactions among operating conditions and feed-water characteristics. In this study, a laboratory-scale MCDI system was designed, fabricated, and experimentally evaluated to investigate key operational parameters (applied voltage and feed flow rate) and feed-water characteristics (total dissolved solids, salinity, pH, and temperature) on de
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: Early prediction of gestational diabetes mellitus (GDM) is critical for improving maternal health outcomes. However, predictive models are often challenged by limited early-pregnancy samples, severe class imbalance in datasets, and complex interrelationships among clinical features.
OBJECTIVE: This study aimed to develop and evaluate a unified dual-dimensional enhancement framework integrating data augmentation and feature engineering. By addressing data imbalance and leveraging medical prior knowledge, this framework significantly improves early GDM prediction performance.
METHO
СтатьяВалидационное исследованиеПоддержка 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.
To systematically review Machine Learning (ML) fracture risk prediction models developed solely using administrative data, evaluating their development, performance, risk of bias, and concerns regarding applicability. A systematic search was conducted in PubMed, Embase, IEEE, and Web of Science following PRISMA guidelines (up to November 2025). We included studies developing or validating ML models for osteoporotic fracture risk in adults using administrative data without clinical measurements. Risk of bias and concerns for applicability were assessed using the PROBAST tool. Seven studies were
СтатьяСистематический обзорПоиск 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.
Osteochondritis dissecans (OCD) is a common developmental orthopedic condition in Thoroughbred racehorses and although arthroscopic surgery is widely used for treatment, its long-term effects on race performance remain unclear. This retrospective study evaluated the effect of OCD surgery on race performance, compared the predictive power of pedigree and management variables and applied interpretable machine learning methods for forecasting race performance outcomes. Data were collected from 75 Thoroughbreds that underwent OCD surgery between 2015 and 2017 and 257 maternal siblings without reco
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.
The significant heterogeneity in treatment responses among patients with acute myeloid leukemia (AML) underscores the critical need for accurate drug response prediction. We developed k-Top Scoring Pairs (kTSP) classifiers, ensemble methods that aggregate the relative expression of gene pairs. We compared their accuracy with that of state-of-the-art machine learning methods, linear and radial basis function support vector machines, random forest and elastic net regression classifiers for drug response prediction of patients with AML. Our results demonstrate that kTSP particularly outperforms o
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: Traditional risk factors like smoking and air pollution remain insufficient to explain the persistent geographical variation in respiratory failure mortality across the United States, with significantly higher mortality observed in specific regions such as the Mississippi River Basin.
METHODS: We conducted a state-level ecological study using Centers for Disease Control and Prevention Wide-ranging Online Data for Epidemiologic Research (CDC WONDER) mortality data and 68 socio-environmental risk factors from Global Burden of Disease (GBD). Predictive modeling leveraged 12 machine 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.
PURPOSE: To develop and internally validate interpretable machine-learning models for identifying individuals with a higher probability of overactive bladder (OAB) among female nursing professionals.
METHODS: A total of 13,191 female nurses participating in the Nurse Urinary Related Health Study were included and divided into training (70%) and testing (30%) cohorts. Seven distinct machine learning algorithms were implemented and evaluated using the area under the receiver operating characteristic curve (AUC), sensitivity, specificity, and F1 score. The best-performing model was interpreted u
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.
Dengue remains one of the most critical vector-borne diseases globally, with Brazil consistently reporting the highest incidence in the Americas. The 2024 epidemic was the largest in the country's history, with São Paulo as its epicenter. This study developed and evaluated a machine learning (ML) framework to forecast dengue under extreme epidemic conditions, focusing on enhancing model robustness when testing data exceed the range of historical observations. A novel virtual data augmentation strategy was introduced to expose models to synthetic large-scale outbreaks and to assess the predicti
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.
Cytokine receptors play a pivotal role in mediating the immune response and are critical in cytokine storms, which underlie the pathogenesis of conditions such as acute respiratory distress syndrome (ARDS) and autoimmune disorders. Identifying cytokine receptors is essential for understanding their biological functions, exploring therapeutic targets, and guiding clinical interventions. Traditional biochemical methods to identify cytokine receptors are labor-intensive, costly, and time-consuming, prompting the need for more efficient alternatives. Recent advances in computational biology have e
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.
OBJECTIVES: The goal of this study was to improve decision making regarding the transfusion of patients at the end of extracorporeal circulation for cardiac surgery through machine learning predictions of the evolution of platelets counts, prothrombin ratio, and fibrinogen assay.
METHODS: Prospective data with information about patient preoperative biology and surgery characteristics were collected at Institut Mutualiste Montsouris Hospital (Paris, France) for 10 months (n = 598). For each outcome of interest, instead of arbitrarily choosing 1 machine learning algorithm, we trained and tested
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: Previous studies have confirmed that changes in semen microbiota are closely related to male oligoasthenospermia(OA). However, current research only qualitatively describes the differences in the microbial community, fails to screen out core markers with independent discriminatory value, and also fails to quantitatively evaluate the diagnostic efficacy of the microbial community, resulting in insufficient research on the diagnostic value of the semen microbiota in oligoasthenospermia.
METHODS: A total of 40 untreated patients with idiopathic oligoasthenospermia (IOA) and 30 fertil
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: Cardiovascular diseases (CVD) are the predominant cause of early death worldwide. Identification of people with a high risk of being affected by CVD is consequential in CVD prevention. This study adopts Machine Learning (ML) and statistical techniques to develop classification models for predicting the future occurrence of CVD events in a large sample of Iranians.
METHODS: We used multiple prediction models and ML techniques with different abilities to analyze the large dataset of 5432 healthy people at the beginning of entrance into the Isfahan Cohort Study (ICS) (1990-2017). Bay
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: Machine learning could be used to predict the likelihood of diagnosis and severity of illness. Lack of COVID-19 patient data has hindered the data science community in developing models to aid in the response to the pandemic.
OBJECTIVES: To describe the rapid development and evaluation of clinical algorithms to predict COVID-19 diagnosis and hospitalization using patient data by citizen scientists, provide an unbiased assessment of model performance, and benchmark model performance on subgroups.
DESIGN, SETTING, AND PARTICIPANTS: This diagnostic and prognostic study operated a co
СтатьяПоддержка 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: Fingerprint patterns are developed during pregnancy and share a common embryogenic origin with the central nervous system. Considering the observed relationship between prenatal abnormalities and higher risk for schizophrenia, we previously built fingerprint-based algorithms achieving validation accuracies up to 70% in a large sample of patients with schizophrenia. In this new study, we apply them to a sample of patients with bipolar disorder.
METHODS: Besides validating the developed algorithms with an independent sample of fingerprints from N = 127 patients with schizophrenia an
СтатьяПоддержка исследования: вне 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.
Cancer remains one of the leading causes of mortality worldwide, and the discovery of novel anticancer drugs continues to be a costly and time-consuming process. Although machine learning (ML) and deep learning (DL) have significantly advanced computational drug discovery, many existing predictive models rely on a single learning algorithm and often fail to generalize across diverse molecular descriptors, limiting their predictive reliability. In this study, we propose an interpretable hybrid ML-DL ensemble framework for the prediction of anticancer small molecules by integrating complementary
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