Feeding intolerance (FI) is a common complication in premature infants, often resulting in delayed achievement of full enteral feeding and prolonged hospitalization. This study aimed to construct an interpretable risk-prediction model for FI using machine-learning algorithms based on routine electronic medical-record data. We prospectively collected clinical data for 420 preterm infants admitted to a tertiary hospital between June 2023 and August 2024. Time zero was defined as birth, the intended prediction time point was admission to the Neonatal Intensive Care Unit, and the prediction horizo
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.
OBJECTIVES: This study aimed to develop and validate a stroke risk prediction model based on machine learning (ML) and regional healthcare big data, and determine whether it may improve the prediction performance compared with the conventional Logistic Regression (LR) model.
METHODS: This retrospective cohort study analyzed data from the CHinese Electronic health Records Research in Yinzhou (CHERRY) (2015-2021). We included adults aged 18-75 from the platform who had established records before 2015. Individuals with pre-existing stroke, key data absence, or excessive missingness (>30 %) were
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 hospital readmissions (EHR) within 30 days after kidney transplantation are common and add clinical and financial burden. Early identification of high-risk recipients can guide post-discharge care. We aimed to develop a machine learning model to predict 30-day hospital readmission in adult kidney transplant recipients.
METHODS: We conducted a retrospective cohort study of 2,110 adult kidney transplant recipients treated at Colombiana de Trasplantes between July 2008 and December 2023. Patients with allograft thrombosis at the time of transplantation were excluded. Clinical a
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: Accurate early prediction of 3-month functional outcome after acute ischemic stroke is essential for prognostic communication, early management planning, and resource allocation. However, clinically applicable and interpretable prediction tools based on routinely collected data remain limited.
METHODS: In this single-center retrospective prediction-model study, we analyzed 770 adults with acute ischemic stroke admitted within 24 h of symptom onset. Baseline clinical and early laboratory variables were collected. After an 80/20 train-test split, key predictors were selected using c
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: Childhood stunting remains a major public health concern, reflecting chronic undernutrition and long-term socioeconomic disadvantage. Among school-aged children, stunting is associated with impaired physical growth, reduced cognitive development, and poorer educational outcomes. Traditional statistical approaches, such as logistic regression, have been widely used to examine factors associated with stunting; however, their ability to capture complex and nonlinear relationships is limited. Machine learning (ML) methods provide a flexible alternative for modeling such relationships.
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.
Cardiovascular diseases are among the leading causes of global mortality and morbidity, underscoring the need for accurate and explainable predictive models. This study aimed to develop and evaluate explainable AI models for predicting major cardiovascular events (MCVE) over 60 months. We conducted a secondary analysis of two large cohort studies nested within the Golestan (northeast Iran) and Pars (south Iran) Cohorts, which followed identical protocols. After applying exclusion criteria, 9,769 participants. Predictors included demographic, clinical, and biochemical variables, with class imba
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 Society2026eng
PURPOSE: We aimed to develop and internally validate prediction models for one-month postoperative performance status (PS) after surgery for spinal metastases and to identify patients likely to achieve PS 0-2 at one month.
METHODS: We performed a retrospective analysis of a prospectively collected spine surgery registry. We compared three tree-based models (Random Forest, XGBoost, and CatBoost) with two regularized logistic regression models (ridge-regularized logistic regression and a sparse elastic-net logistic regression model constrained to ≤ 15 predictors). Model development and hyperpar
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: Accurate prediction of peri-operative cardiac complications is critical to optimise pre-operative decision-making. Traditional risk prediction scores, such as the Revised Cardiac Risk Index, show only modest discrimination. Machine learning can model complex, non-linear relationships but their predictive performance compared with traditional scores remains unclear.
METHODS: We performed a systematic review and Bayesian network meta-analysis. The primary outcome was postoperative adverse cardiac events following non-cardiac surgery. Prediction models were assessed relative to the
Сравнительное исследованиеСтатьяNetwork Meta-AnalysisСистематический обзорПоиск 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.
Freshwater ecosystems play a crucial role in maintaining ecological balance and supporting biodiversity. Assessing water quality and identifying pollution factors affected by seasonal changes is of utmost importance. The traditional approach for identifying pollution sources and seasonal water quality assessment is often labor-intensive, time-consuming, and complex. In response, our study introduces a hybrid receptor, multivariate statistical and machine learning (ML) based framework as an alternative. Positive matrix factorization (PMF) and receptor model were used to identify key pollutant s
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: As the global population ages, sarcopenia is increasingly recognized for its severe consequences, including disability, falls, injuries, hospitalization, and even death. Despite its significance, research on predicting sarcopenia using machine learning is limited. This study aims to develop an effective machine learning model for sarcopenia prediction.
METHODS: Data from 1,441 participants were retrospectively reviewed from Kaohsiung Medical University-affiliated hospitals between 2022 and 2024. The dataset included demographics, lifestyle habits, medical history, and other rele
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.
STUDY OBJECTIVE: To develop and validate a machine-learning (ML) model using preoperative clinical and imaging variables including ultrasound and diagnostic hysteroscopy findings to predict incomplete hysteroscopic myomectomy among women with submucosal leiomyomas.
DESIGN: Retrospective cohort study.
SETTING: Tertiary referral center for minimally invasive gynecologic surgery with expertise in operative hysteroscopy (Helen Schneider Hospital for Women, Rabin Medical Center, Petach Tikva, Israel).
PATIENTS: A total of 345 procedures from 328 women who underwent hysteroscopic myomectomy for s
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 Marburg virus (MARV), responsible for severe hemorrhagic fevers with mortality rates as high as 90%, remains a significant public health threat. This study employs machine learning to identify inhibitors targeting the MARV Gene 4 Small ORF protein, crucial for the virus's replication and immune evasion. The Gene 4 Small ORF protein is pivotal in taking over the host's cellular mechanisms, facilitating unchecked viral replication and significant immune system disruption. Effective targeting of this protein holds promise for mitigating the viral lifecycle and entry, potentially curbing the s
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: Despite the increasing number of studies on prediction models for identifying the risk of postpartum post-traumatic stress disorder (PP-PTSD), the quality and clinical applicability of these models have not been clarified yet.
OBJECTIVES: To systematically review and appraise the prediction models for PP-PTSD.
METHODS: From inception to March 30, 2026, Web of Science, PubMed, the Cochrane Library, Embase, Scopus, CNKI, WANFANG and VIP were searched for primary studies involving development or validation of prediction models. The Prediction Model Risk of Bias Assessment Tool (PROB
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.
We study the prediction of T-cell response for specific given peptides, which could, among other applications, be a crucial step towards the development of personalized cancer vaccines. It is a challenging task due to limited, heterogeneous training data featuring a multi-domain structure; such data entail the danger of shortcut learning, where models learn general characteristics of peptide sources, such as the source organism, rather than specific peptide characteristics associated with T-cell response. Using a transformer model for T-cell response prediction, we show that the danger of infl
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.
AIMS: To critically evaluate the methodological quality and clinical readiness of prediction models for adherence to cardiac rehabilitation (CR) programs in patients with cardiovascular disease (CVD), and to propose a strategic roadmap for future research. METHODS: This scoping review was conducted following the Arksey and O’Malley framework. Nine electronic databases were systematically searched from inception to June 2025 for studies published in English or Chinese. The methodological quality of included prediction models was critically appraised using the Prediction Model Risk of Bias Asses
СтатьяScoping ReviewПоиск 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.
Amyloid fibrils, a form of peptide aggregates, are associated with multiple diseases and hinder the development of therapeutics. The experimental characterization of aggregating peptides is resource-intensive, and data are scarce, limiting the development of accurate models. We present a deep-learning model, PALM (Predicting Aggregation with Language Model embeddings), which uses transfer learning to predict aggregation from embeddings extracted from a pretrained protein language model (pLM). PALM is trained on the WaltzDB-2.0 dataset to classify peptides and identify aggregation-prone regions
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: This systematic review aimed to identify and evaluate prediction models developed to estimate the duration of labour induction, to support individualized clinical decision-making and optimise obstetric resource planning.
DESIGN AND METHODS: A comprehensive search of MEDLINE (PubMed), Scopus, and Google Scholar identified studies published from 1 January 2000 up to 5 January 2025. Eligible studies were original research articles that developed or validated a model predicting labour induction duration, expressed either as a continuous measure or as a predefined time interval. Risk of
СтатьяСистематический обзорПолный 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.
OBJECTIVES: Artificial intelligence (AI) applications are being increasingly explored in pain medicine due to AI's ability to handle multidimensional data and analyze complex, nonlinear relationships. There is a need to identify and understand the advances that have been made in developing AI-based clinical prediction models in interventional pain medicine for spine disorders. Therefore, the purpose of this study is to conduct a systematic review of AI-based prediction models for clinical outcomes in interventional spine medicine with a focus on model field of application, performance, and gen
СтатьяСистематический обзорПолный 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.
We developed a workflow based on a human-derived dataset, aiming to predict the human heart-to-plasma partition coefficient, [Formula: see text]. The workflow combines established mechanistic tissue-composition models with an AI/ML-based selector that supports compound-specific selection among mechanistic heart [Formula: see text] prediction methods. Three published mechanistic approaches were implemented and parameterized in a harmonized manner consistent with the described methodologies to generate baseline [Formula: see text] predictions. The ML-based selector was trained using physicochemi
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: The identification of B-cell epitopes, the regions that bind to antibodies, is essential for creating effective prophylactic treatments against infectious diseases and cancer, particularly in the realm of reverse vaccinology. While experimental techniques like X-ray crystallography and peptide arrays help identify epitopes, they are expensive, time-consuming and differ in throughput and precision. METHODS: This review examines how predictive techniques and datasets have evolved for the problem, highlighting recent breakthroughs in data-driven algorithms used to predict B-cell epito
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.
MedElevator
Войти в исследования