CONTEXT: Overcoming the disconnect between efficient Machine Learning (ML) techniques and its therapeutic applicability necessitates frameworks that provide clear, contextualized evidence.
AIMS: The present work examines the efficacy of a conceptually-enhanced framework that combines biological domain expertise, knowledge graphs, and probabilistic inference with ML predictions. We employed this innovative strategy for predicting polycystic ovary syndrome (PCOS).
METHODS: PCOS clinical data (541 patients) was sourced from Kaggle. Clinically relevant conceptual characteristics were developed 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.
INTRODUCTION: This study aimed to identify dental pain using machine learning (ML) algorithms in Brazilian adolescents for public health screening purposes.
METHODS: Data from 2 cross-sectional waves of the Brazilian National Survey of School Health (PeNSE) in 2015 and 2019 were used (schoolchildren aged 11 to 18). The outcome was dental pain in the last 6 months. Co-variables were 53 variables, including demographic, socioeconomic, and behavioral characteristics. The 2015 dataset was split (80:20) into training and test sets, while the 2019 dataset was used as a temporal external validation
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.
Pediatric bipolar disorder is challenging to diagnose accurately due to symptom heterogeneity. More standardized and data-driven approaches are needed to enhance diagnostic reliability. We evaluated a clinical decision tool (nomogram), statistical methods (logistic regression, LASSO), machine learning (support vector machine, random forest, k-nearest neighbors, extreme gradient boosting), and deep learning (multilayer perceptron) for pediatric bipolar disorder prediction across two datasets collected in academic (N = 550) and community (N = 511) clinical settings. We compared three modeling st
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.
BACKGROUND: Influenza poses a significant global public health threat, with its pandemic potential and seasonal variability presenting formidable challenges to prediction accuracy. This study leverages high-quality weekly data (incidence rates, viral subtypes, and meteorological indicators) from the provincial influenza surveillance system in Anhui Province, eastern China, spanning 2015-2025. A multi-source data fusion model was developed to overcome the limitations of traditional methods in modeling nonlinear transmission dynamics and multi-factor synergistic effects.
METHODS: Single models
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.
CIE is a rare yet severe complication following neurointerventional procedures, for which reliable noninvasive predictive tools remain lacking. This study aimed to develop and validate a ML model for predicting CIE using perioperative clinical and procedural data, and to evaluate the predictive value of the CGR for CIE. This was a single-center retrospective study that consecutively enrolled 161 patients who underwent neurointerventional procedures in the Department of Neurosurgery at the Northern Theater General Hospital between January 2024 and December 2025. Candidate perioperative predicto
СтатьяVideo-Audio MediaПоддержка 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.
Typhoon-induced extreme floods pose severe threats to subtropical watersheds, yet systematic integration of typhoon physics into machine learning flood prediction remains limited. This study developed a physics-informed machine learning framework for the Boluo watershed, South China, emphasizing typhoon feature engineering. Four models (Linear Regression (LR), Artificial Neural Network (ANN), Random Forest (RF) and XGBoost (XGB)) were systematically evaluated across three feature engineering scenarios: Baseline (conventional hydrometeorological variables), With Typhoon (original typhoon observ
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.
Intimate partner violence (IPV) survivors increasingly use social media platforms to share their experiences and to seek help and support for their IPV-related concerns. IPV evidence extracted from social media platforms can provide valuable information and complement data obtained from conventional data sources (e.g., self-reports and interviews) thereby enhancing our understanding of IPV victimization. This study addressed three research questions: (1) What range of IPV behaviors emerge through qualitative coding? (2) To what extent do machine learning (ML) based text classifications yield r
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.
Supervised machine learning is a popular tool for predictor selection in large data sets. The choice of method is currently either based on theory, subjective preferences, previous general simulation studies, or the best fit of a method to the data, which does not allow evaluating the methods' performance for a specific empirical application. In this article, we illustrate how to select a method through a simulation study tailored to an empirical application. The simulation study mimics cancer data with the aim of predicting patients' quality of life. We vary sample sizes, effect sizes, correl
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.
There have been several attempts to develop machine learning (ML) models to identify human infecting viruses from their genomic sequences, with varying degrees of success. Direct comparison between models is problematic, because these models are typically trained and evaluated on different datasets with alternative data splitting schemes, features, and model performance metrics. In this paper we present a standardized dataset of mammal infecting and non-infecting viral pathogens, refined from the previous work of Mollentze et al. to include the latest literature evidence, roughly doubling 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.
Chronic kidney disease (CKD) is a progressive condition affecting over 850 million people worldwide, where timely detection and accurate staging are critical to reducing morbidity, mortality, and healthcare burden. Current machine learning approaches often treat CKD prediction as a binary task, neglecting the ordered nature of disease stages, and rarely incorporate physiological constraints or calibrated probability estimates essential for clinical decision support. We propose a multi-stage CKD prediction framework that integrates ordinal classification, probability calibration, and a serum cr
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 AND OBJECTIVE: Age-related macular degeneration (AMD) is a leading cause of blindness. Current standard treatments require frequent intravitreal injections and entail high costs, placing a heavy burden on patients and healthcare providers. These challenges often lead to treatment discontinuation or overtreatment, highlighting the need for personalized AMD management. Accurate early prediction of long-term treatment outcomes is critical for optimizing these strategies. However, most existing prognostic models rely heavily on manual image selection by ophthalmologists. This labor-inte
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: Accurate preoperative prediction of whether an initially limb-preserving strategy in diabetic foot management will culminate in minor or major amputation remains a clinical challenge. This study aimed to develop and evaluate using two temporally separated cohorts a machine-learning framework using routinely available baseline clinical, laboratory, and selected imaging and vascular variables.
METHODS: Two temporally separated cohorts were used, with Dataset 1 for model development and Dataset 2 for temporally separated evaluation. A 20-repetition stratified outer-split workflow was
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.
Colorectal cancer screening is well established. The identification of high risk populations is the key to implement effective risk-adjusted screening. Good statistical approaches for risk prediction do not exist. The family's colorectal cancer history is used for identification of high risk families and usually assessed by a questionnaire. This paper introduces a prediction algorithm to designate a family for colorectal cancer risk and discusses its statistical properties. The new algorithm uses Bayesian reasoning and a detailed family history illustrated by a pedigree and a Lexis diagram. Th
Клинический случайПоддержка исследования: вне правительства СШАСтатьяПоиск 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: Approximately 50% of all oncological patients undergo radiation therapy, where personalized planning of treatment relies on gross tumor volume (GTV) delineation. Manual delineation of GTV is time-consuming, operator-dependent, and prone to variability. An increasing number of studies apply artificial intelligence (AI) techniques to automate such delineation processes. Methods: To perform a systematic review comparing the performance of AI models in tumor delineations within the body (thoracic cavity, esophagus, abdomen, and pelvis, or soft tissue and bone). A retrospective search o
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.
PURPOSE: Toxicity to systemic cancer treatment represents a major anxiety for patients and a challenge to treatment plans. We aimed to develop machine learning algorithms for the upfront prediction of an individual's risk of experiencing treatment-relevant toxicity during the course of treatment.
METHODS: Clinical records were retrieved from a single-center, consecutive cohort of patients who underwent neoadjuvant treatment for early breast cancer. We developed and validated machine learning algorithms to predict grade 3 or 4 toxicity (anemia, neutropenia, deviation of liver enzymes, nephroto
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.
Prostate cancer (PCa) ranks as the second most prevalent malignancy among men worldwide. Early diagnosis, personalized treatment, and prognosis prediction of PCa play a crucial role in improving patients' survival rates. The advancement of artificial intelligence (AI), particularly the utilization of deep learning (DL) algorithms, has brought about substantial progress in assisting the diagnosis, treatment, and prognosis prediction of PCa. The introduction of the foundation model has revolutionized the application of AI in medical treatment and facilitated its integration into clinical practic
СтатьяОбзорПоиск 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: Primary Sjogren's syndrome (pSS) and autoimmune thyroiditis (AIT) share overlapping genetic and immunological profiles. This retrospective study evaluates the efficacy of machine learning algorithms, with a focus on the Random Forest Classifier, to predict the presence of thyroid-specific autoantibodies (TPOAb and TgAb) in pSS patients.
METHODS: A total of 96 patients with pSS were included in the retrospective study. All participants underwent a complete clinical and laboratory evaluation. All participants underwent thyroid function tests, including TPOAb and TgAb, and were accor
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.
INTRODUCTION: Cardiovascular disease (CVD) is a group of diseases involving the heart or blood vessels and represents a leading cause of death and disability worldwide. Carotid plaque is an important risk factor for CVD that can reflect the severity of atherosclerosis. Accordingly, developing a prediction model for carotid plaque formation is essential to assist in the early prevention and management of CVD.
METHODS: In this study, eight machine learning algorithms were established, and their performance in predicting carotid plaque risk was compared. Physical examination data were collected
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.
This study investigated the physicochemical and flavor quality changes in fresh-cut papaya that was stored at 4 °C. Multivariate statistical analysis was used to evaluate the freshness of fresh-cut papaya. Aerobic plate counts were selected as a predictor of freshness of fresh-cut papaya, and a prediction model for freshness was established using partial least squares regression (PLSR), and support vector machine regression (SVMR) algorithms. Freshness of fresh-cut papaya could be well distinguished based on physicochemical and flavor quality analyses. The aerobic plate counts, as a predictor
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.
Rainfall-derived inflow/infiltration (RDII) modelling during heavy rainfall events is essential for sewer flow management. In this study, two machine learning algorithms, random forest (RF) and long short-term memory (LSTM), were developed for sewer flow prediction and RDII estimation based on field monitoring data. The study implemented feature engineering for extracting physically significant features in sewer flow modelling and investigated the importance of the relevant features. The results from two case studies indicated the superior capability of machine learning models in RDII estimati
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