Elderly patients undergoing maintenance hemodialysis (MHD) face a heightened risk of cognitive frailty (CF), which significantly compromises quality of life. Early identification of at-risk individuals and timely intervention are essential. Nevertheless, current CF risk prediction models fall short in accuracy to adequately fulfill clinical requirements. This study aimed to examine the determinants of CF in elderly patients undergoing MHD and to develop a risk prediction model through machine learning algorithms. The objective is to furnish healthcare professionals with an early prediction too
СтатьяПоддержка 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.
INTRODUCTION: The epidemiology of fracture nonunion has been characterized so it is potentially possible to predict nonunion using patient-related risk factors. However, prediction models are currently too cumbersome to be useful. We test a hypothesis that nonunion can be predicted with ≤10 variables, retaining the predictive accuracy of a full model with 42 variables.
METHODS: We sought to predict nonunion with prospectively-acquired inception cohort data for 18 different bones, using the smallest possible number of variables that did not substantially decrease prediction accuracy. An Americ
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.
BackgroundAdvances in biotechnology have created "big-data" situations in molecular and cellular biology. Several sophisticated algorithms have been developed that process big data to generate hundreds of biomedical hypotheses (or predictions). The bottleneck to translating this large number of biological hypotheses is that each of them needs to be studied by experimentation for interpreting its functional significance. Even when the predictions are estimated to be very accurate, from a biologist's perspective, the choice of which of these predictions is to be studied further is made based on
Поиск 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: Because it is impossible to know which statistical learning algorithm performs best on a prediction task, it is common to use stacking methods to ensemble individual learners into a more powerful single learner. Stacking algorithms are usually based on linear models, which may run into problems, especially when predictions are highly correlated. In this study, we develop a greedy algorithm for model stacking that overcomes this issue while still being very fast and easy to interpret. We evaluate our greedy algorithm on 7 different data sets from various biomedical disciplines and co
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.
Accurate forecasting of operational expenditure (OPEX) in wastewater treatment plants is critical for financial planning and utility management, yet it remains challenging due to complex, nonlinear interactions between plant capacity, influent characteristics, and fluctuating market prices. This research develops an interpretable predictive framework for OPEX estimation by systematically evaluating multiple advanced machine learning algorithms on a dataset of 2847 operational records (1139 empirical and 1708 synthetic). We compared the predictive performance of decision tree, AdaBoost, random
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.
Accurate and robust prediction of drug-target affinity (DTA) plays a critical role in drug discovery. While deep learning has advanced DTA prediction, existing methods struggle with limited training data and poor generalization. In this study, we propose AdaMBind, a novel DTA prediction model based on meta-learning framework with an adaptive task module designed for low-data scenarios. It employs a dynamic "easy-to-hard" task scheduling mechanism to enhance training efficiency and robustness. Experimental results on three benchmark datasets demonstrate that AdaMBind outperforms 8 baseline mode
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: The assessment of menopausal status is crucial for individualized health management and risk stratification of chronic diseases in women. The traditional assessment of menopause mainly relies on serum reproductive hormone tests, such as FSH, AMH, etc., whose test results are stable and reliable and are the gold standard for clinical diagnosis. Meanwhile, ultrasound is a routine gynecological examination method. But the unstructured information in its report has not been systematically used for predictive modeling.
METHODS: This study included 713 Chinese women from Hangzhou Red Cr
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: Gemcitabine is an important chemotherapeutic agent that suffers from poor bioavailability and drug resistance. Although the nanocomposite delivery systems are highly promising, their optimization for efficient therapy is quite challenging because of complex design parameters involved.
METHODS: A dataset consisting of more than fifty gemcitabine nanocomposites is used in the present work. We developed prediction models using well-known machine learning algorithms, such as Random Forest and XGBoost, besides a new physics-informed machine learning approach that incorporated drug rele
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.
PURPOSE: To establish and validate short-term and long-term prediction models for the therapeutic outcomes of orthokeratology (OK) lenses in children, incorporating baseline ocular parameters and dynamic changes in axial length (AL) as predictive variables. METHODS: This retrospective cohort study included 896 pediatric patients who underwent OK lenses treatment at Tianjin Medical University Eye Hospital from January 2020 to July 2025, with a minimum follow-up period of one year. Baseline demographic and ocular parameters were collected, and AL changes were introduced as dynamic predictors in
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.
Diarrhea remains a leading cause of child mortality in Sub-Saharan Africa, necessitating advanced predictive tools for early intervention. Despite the growing adoption of machine learning in healthcare, gaps persist in deploying models as scalable, real-world solutions. This study developed an end-to-end machine learning framework to predict diarrhea among children under five in SSA, integrating rigorous model development with Flask-based deployment for practical use. Using nationally representative Demographic and Health Surveys (DHS) data from 27 SSA countries (2016-2024), we preprocessed da
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.
This article aims to develop a predictive model of gestational status nineteen days after artificial insemination, using color ultrasonography and machine learning strategies in beef heifers. One hundred heifers were included in the study and on day 0 of the experiment underwent fixed-time artificial insemination. In addition, live weight, body condition score, uterine diameter, estradiol and progesterone concentration were determined. On day nineteen, the presence and area of the corpus luteum, area of the cavity of the corpus luteum, estradiol and progesterone concentrations, and vascularize
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: Suicide is a leading cause of death among adolescents, yet most prediction models rely on binary classification and limited predictors, failing to capture the complexity of suicide risk. This study aimed to develop a more accurate and comprehensive prediction model using machine learning regression with a broad set of psychological and behavioral variables.
METHOD: A total of 2241 adolescents were recruited from school settings and completed self-report questionnaires assessing 31 variables. Three machine learning regression algorithms: Lasso regression, support vector regression,
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: Machine learning (ML) has been demonstrated to enhance health care cost prediction by handling high-dimensional data and identifying complex patterns. However, current risk-adjustment models rarely incorporate structured nursing information derived from the nursing process. This information captures care needs and human responses to health problems.
OBJECTIVE: This study aimed to evaluate the impact of integrating nursing process data into ML-based predictive models of individual health care costs, including cost component analyses, compared with models based solely on sociodemogr
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.
The development of efficient, green extraction processes for bioactive compounds from fruits requires strategies that account for both solvent-solute interactions and the inherent chemical heterogeneity of natural biomass. We present a hybrid computational framework integrating the COSMO-RS with machine learning (ML) to predict anthocyanin yields from diverse berry matrices using deep eutectic solvents (DES). A dataset of 299 experimental points spanning 15 biomass types was used to train and validate seven ML algorithms; Gradient Boosting emerged as the most accurate (R2 = 0.92). The model co
СтатьяОценочное 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.
Scientific research on social parameters for prognosis after traumatic brain injury (TBI) is evolving, yet results remain heterogeneous, and predictors for risk stratification are lacking. To understand how social parameters are linked to cognitive outcomes after TBI, we applied machine learning (ML) algorithms using cohort-level data from 30 published studies including 2,364 participants with TBI (72% male; 55% mild, 45% moderate-severe injury). We extracted and harmonised longitudinal data following the PROGRESS-Plus framework, and used the data as predictors of rate of change in cognition p
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.
European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery2026eng
PURPOSE: To develop and validate machine learning models to predict post-tonsillectomy hemorrhage.
METHODS: This was a machine learning analysis of a cohort of patients included in the Norwegian tonsil registry in Norway from 03.01.2017 to 01.05.2025. A perioperative assessment was used to describe the type of surgery performed, the surgical technique used, and the methods used to achieve hemostasis. Postoperative outcomes were assessed in questionnaires 30 days after surgery. Unsupervised models were used to explore the data. Supervised models were developed to predict post-tonsillectomy hem
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.
Poliomyelitis remains a global public health concern despite remarkable progress toward eradication. The continued circulation of vaccine-derived polioviruses underscores the need for enhanced surveillance systems capable of early detection and rapid response. Acute Flaccid Paralysis (AFP) surveillance, a key component of the polio eradication, plays a vital role in detecting poliovirus transmission but is often limited by delays in data collection, analytical capacity, and fragmented reporting structures. Recent advances in artificial intelligence (AI) offer opportunities to address these cha
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: Tuberculosis (TB) remains a major global health challenge, with an estimated 10 million new cases and 1.4 million deaths annually. Identifying patients who would benefit from comprehensive pharmacist intervention services is critical for optimizing pharmacist intervention benefit outcomes and resource allocation. We developed a machine learning model to predict pharmacist intervention group assignment at hospital admission using clinical parameters.
METHODS: We conducted a retrospective analysis of 467 TB patients from a tertiary care hospital. The prediction model was trained exc
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.
Accurate accident anticipation is essential for enhancing the safety of autonomous vehicles (AVs). However, existing methods often assume ideal conditions, overlooking challenges such as sensor failures, environmental disturbances, and data imperfections, which can significantly degrade prediction accuracy. Additionally, previous models have not adequately addressed the considerable variability in driver behavior and accident rates across different vehicle types. To overcome these limitations, this study introduces ROAR, a novel approach for accident detection and prediction. ROAR combines Dis
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.
MOTIVATION: Identifying drug targets is fundamental in drug development, both for discovering new therapies and for ensuring effective and safe treatments. Drug-target interactions (DTIs) have been predicted using machine learning approaches that integrate heterogeneous data; however, often these models are complex and lack interpretability.
RESULTS: We investigate whether a simple, fully interpretable linear model can achieve competitive performance for DTI prediction. We propose Linear Interpretable Drug-Target Interaction (LI-DTI), a prediction model inspired by recommender systems. LI-DTI
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.
MedElevator
Войти в исследования