Postpartum convulsions, defined as seizure episodes occurring after childbirth during the postpartum period, remain a major cause of maternal morbidity and mortality in Ethiopia. This study aimed to develop and validate machine learning models to predict postpartum convulsions using clinical indicators from performance monitoring for action (PMA) Ethiopia data set. Eight machine learning algorithms were developed and evaluated. Recursive Feature Elimination (RFE) approach was used for feature selection, and class imbalance was addressed using up-sampling techniques. The data were preprocessed
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: Percutaneous coronary intervention (PCI) can be complicated by major adverse cardiovascular events (MACE; death, myocardial infarction [MI], and target vessel revascularization). Statistical models facilitated by machine learning (ML) can improve prediction of MACE compared with conventional models. However, two key challenges impair ML performance: (1) class imbalance in outcome distributions; and (2) bias affecting fairness across social subgroups. These challenges are amplified in small datasets. Additionally, no published ML model specifically addresses the influence of social
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: Shigella remains a major cause of diarrhoea and mortality in children under five in low- and middle-income countries, where laboratory confirmation is often inaccessible and dysentery-based management lacks sensitivity. This study aimed to develop and internally evaluate machine learning models to predict microbiologically confirmed Shigella infection and secondarily to demonstrate the feasibility of translating the best-performing model into a prototype web-based decision-support application.
METHODS: We analysed data from 3356 children with diarrhoea enrolled in the Global Enter
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.
INTRODUCTION: Anemia is a reduction in the number of hemoglobin levels in the blood that has significant adverse health consequences. It is a public health problem among women’s reproductive age, affecting both poor and rich countries overall the world. That is the study aimed to predict the status and identify the important features of anemia among women in Tanzania and Rwanda. MEHODS: We merged Tanzania and Rwanda data from DHS conducted in 2019 and 2021 and worked with 35,460 women 15 years and above. Feature selection was performed with the help of chi-square, f-classifiers, recursive feat
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 & AIMS: Metabolic dysfunction-associated steatotic liver disease (MASLD) exhibits well-established sex differences across its risk factors, disease progression, and liver-related and extrahepatic outcomes. We trained sex-specific machine learning (ML) algorithms using routine clinical data to evaluate sex-specific learning patterns and diagnostic performance.
METHODS: In this cross-sectional study conducted at a cardiology referral center, 446 adults were enrolled. Participants were divided into training (127 men, 185 women) and test sets (55 men, 79 women). Eight ML classifiers we
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: New artificial intelligence (AI)-based mortality prediction algorithms could support both patients' prognostic awareness and person-centered palliative care. Although they promise accuracy, their outputs can be hard to explain-potentially affecting whether patients and care teams use them. To investigate perspectives on the explainability of AI algorithms in palliative care, we conducted a sequential mixed-methods study.
METHODS: We interviewed 30 palliative care physicians and nurses; 15 social workers, spiritual care providers, psychologists, and others; and 35 patients and care…
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.
Pathogenic missense mutations are commonly found in protein-coding regions of DNA, and often alter protein function. In the past decade, enormous experimental efforts have been undertaken through the development of functional assays, mutagenesis screenings, and computational prediction algorithms to characterize these variants. Indeed, most efforts have been focused towards identifying degrees of loss-of-function (LoF) effects on the three-dimensional structures of proteins, but gain-of-function (GoF) mutations remain poorly understood. Herein, we performed a case study of the PIEZO1 mechanose…
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.
OBJECTIVE: To address the limitations of conventional delirium prediction models in emergency polytrauma care, this study developed an interpretable machine learning (ML) framework incorporating trauma-specific biomarkers and advanced optimization algorithms for risk stratification of delirium in emergency polytrauma patients.
METHODS: This multi-center retrospective observational cohort study was conducted across six hospitals in the Ya'an region. A total of 956 polytrauma patients admitted between January 2020 and December 2024 were enrolled, complying with the American Association for the
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 develop a prediction model that could risk stratify abdominal aortic aneurysms (AAAs) into high and low growth rate groups, using machine learning algorithms based on variables from different pathophysiological fields.
METHODS: A cohort of 40 patients with small AAAs (maximum diameter 32-53 mm) who had at least an initial and a follow-up CT scan (median follow-up 12 months, range 3-36 months) were included. 29 input variables from clinical, biological, morphometric, and biomechanical pathophysiological aspects extracted for predictive modeling. Collected data were used to build
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.
OBJECTIVE: To develop and internally validate an explainable machine learning model for early mortality prediction in pediatric sepsis using routinely available clinical variables, to support clinical risk stratification and decision-making.
METHODS: A total of 752 children with sepsis admitted to the Pediatric Intensive Care Unit (PICU) at the Children's Hospital of Soochow University between January 1, 2019, and June 30, 2023, were retrospectively enrolled. Twenty-six routinely available clinical variables obtained within 24 h after PICU admission were included. After data preprocessing, va
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.
A COMMENTARY ON: Rokhshad R, Banakar M, Shobeiri, P, Zhang P. Artificial intelligence in early childhood caries detection and prediction: a systematic review and meta-analysis. Pediatr Dent. 2024;46:385-394.
DATA SOURCES: A literature search was performed in May 2024 via PubMed, Scopus, Embase, Web of Science, Institute of Electrical and Electronics Engineer database sources, and across the grey literature. Further studies were identified after analysis of reference lists. The research question was defined using the population-intervention-comparison-outcome (PICO) framework.
STUDY SELECTION
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: Accurate prediction of postoperative metastasis and mortality risks in patients undergoing lower-limb oncological resection and endoprosthetic reconstruction is essential for guiding adjuvant therapies and managing patient expectations. Current prediction methods are limited by variability in patient-specific factors. This study aims to develop and internally validate explainable machine learning (ML) models to predict the 1-year risk of new distant metastases and mortality in these patients.
METHODS: We performed a secondary analysis of data from the Prophylactic Antibiotic Regim
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.
Worldwide, there is a trend towards increased herd sizes, and the animal-to-stockman ratio is increasing within the beef and dairy sectors; thus, the time available to monitoring individual animals is reducing. The behaviour of cows is known to change in the hours prior to parturition, for example, less time ruminating and eating and increased activity level and tail-raise events. These behaviours can be monitored non-invasively using animal-mounted sensors. Thus, behavioural traits are ideal variables for the prediction of calving. This study explored the potential of two sensor technologies
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.
BackgroundAccurately predicting treatment responses in varicose vein sclerotherapy is crucial for improving patient quality of life and optimizing overall healthcare costs.PurposeOur study aims to accurately predict treatment responses in telangiectasia and reticular vein treatment in lower extremity sclerotherapy, by taking advantage of machine learning's (ML) ability to navigate complex data sets and provide personalized predictions.Materials and MethodsML algorithms were used to predict outcomes in 99 patients with varicose veins. The data set, which included patient characteristics such as
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.
OBJECTIVE: This study aims to develop a machine learning model for predicting whether patients will experience prolonged mechanical ventilation and to elucidate the roles of various factors in disease prediction.
DESIGN: A retrospective study investigating influencing factors of prolonged mechanical ventilation in patients after coronary artery bypass grafting, PARTICIPANTS: The study cohort consisted of patients undergoing coronary artery bypass grafting selected from the MIMIC-IV 2.2 database. The study endpoint was prolonged mechanical ventilation, characterized by mechanical ventilation l
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.
Rail freight volume trend prediction faces challenges due to data fuzziness, complexity and nonlinearity, and traditional deterministic prediction methods frequently fall short of practical application needs, particularly in addressing uncertainty. To overcome these limitations, we proposed a freight volume trend prediction model that integrated Fuzzy Information Granulation (FIG) with evolutionary optimization. The three-phase methodology establishes: (1)A FIG method was utilized to transform raw time-series into tri-granular representations (Low, R, Up) through fuzzy c-means clustering 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.
Deep learning based cervical cancer classification can potentially increase access to screening in low-resource regions. However, deep learning models are often overconfident and do not reliably reflect diagnostic uncertainty. Moreover, they are typically optimized to generate maximum-likelihood predictions, which fail to convey uncertainty or ambiguity in their results. Such challenges can be addressed using conformal prediction, a model-agnostic framework for generating prediction sets that contain likely classes for trained deep-learning models. The size of these prediction sets indicates m
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.
Vertigo is a debilitating vestibular disorder affecting approximately 10-30% of the global population, yet no dedicated computational chemistry study has systematically characterised the properties of its pharmacological agents using machine learning. In this study, we present the first Quantitative Structure-Property Relationship (QSPR) analysis of 47 clinically established anti-vertigo drugs using nine Neighborhood degree-based topological indices, combined with three machine learning algorithms such as Ridge Regression, Random Forest (RF) and Gradient Boosting Regression (GBM). The topologi
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 miscarriage (EM) remains a significant reproductive health challenge, with current serum hormone biomarkers (β-hCG, progesterone, estradiol) showing inconsistent predictive value across studies. To address these limitations, artificial intelligence (AI) and machine learning (ML) techniques are increasingly applied to integrate complex biomarker data and improve the early prediction of EM.
METHODS: This retrospective cohort study analyzed 17,926 singleton pregnancies (1,918 EM vs. 16,008 live births) from Chongqing (2017-2023), China, to establish optimal hormonal predictors
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: Machine learning (ML) models were constructed and validated to predict the risk of postoperative nausea and vomiting (PONV) after craniotomy. We compared different algorithms to provide a reliable tool for clinical decision-making.
METHODS: Data from patients who underwent craniotomy at a tertiary hospital in Zhejiang Province between January 1, 2021 and December 31, 2022 were retrospectively collected as the training set. LASSO (Least Absolute Shrinkage and Selection Operator) regression with 10-fold cross-validation was used to screen for key predictors, and four prediction mode
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.
MedElevator
Войти в исследования