BACKGROUND: People living with diabetes mellitus (DM) and chronic kidney disease (CKD) are at significantly high risk of cardiovascular events (CVEs), however the predictive performance of traditional risk prediction methods are limited.
METHODS: We utilised machine learning (ML) model to predict CVEs in persons with DM and CKD from the Silesia Diabetes-Heart Project, a routine standard of care dataset. CVEs were defined as composite of nonfatal myocardial infarction, new onset heart failure, nonfatal stroke, incident atrial fibrillation, undergoing percutaneous coronary intervention or coron
СтатьяСравнительное 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.
OBJECTIVE: To investigate the determinants affecting live birth outcomes in fresh embryo transfer among polycystic ovary syndrome (PCOS) patients using various machine learning (ML) algorithms and to construct predictive models, offering novel insights for enhancing live birth rates in this specific group.
METHODS: A sum of 1,062 fresh embryo transfer cycles involving PCOS patients were analyzed, with 466 resulting in live births. The dataset was split randomly into training and testing subsets at a 7:3 ratio. Least absolute shrinkage and selection operator and recursive feature elimination m
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: Prognostic information is essential for decision-making in breast cancer management. In recent years, trials and clinical practice have emphasized genomic prognostication tools, despite clinicopathological methods being more affordable and accessible. PREDICT v3 is one such tool with promising results across cohorts. Advances in machine learning (ML), transfer learning, and ensemble methods provide opportunities to enhance these approaches, especially where missing data and model assumptions differ across diverse populations.
OBJECTIVE: This study evaluates the potential to improv
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.
BACKGROUND: Pancreatic cancer (PC) has an extremely poor prognosis, and elderly patients aged ≥65 years account for the majority of PC cases with more complex clinical characteristics. Accurate prediction of 1-year survival rate is crucial for individualized treatment decision-making in this subgroup. This study aimed to construct and validate machine learning (ML) models for predicting 1-year survival in PC patients aged ≥65 years, and to identify key prognostic factors using least absolute shrinkage and selection operator (LASSO) regression and SHapley Additive exPlanations (SHAP) analysis.
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: There is still a lack of a noninvasive, individualized tool to pre-screen children with obesity for the risk of non-alcoholic fatty liver disease (NAFLD) and to prioritize referral for confirmatory abdominal ultrasonography. In this study, we aimed to develop and interpret a machine learning (ML)-based model for predicting ultrasound-defined NAFLD risk among children with obesity using routine clinical and biochemical indicators.
METHODS: This single-center retrospective study included 439 obese children treated at Siyang Hospital between February 2021 and December 2025. Demograph
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: Atypical pulmonary carcinoid (AC) is a rare intermediate-grade neuroendocrine tumor with substantial clinical heterogeneity and an unpredictable prognosis. Accurate estimation of fixed-horizon mortality risk remains challenging because of its rarity and limited AC-specific prediction tools. This study aimed to develop and evaluate an interpretable model for estimating 3-year all-cause mortality in patients with AC.
METHODS: Clinical data for patients with AC diagnosed between 2000 and 2021 were retrospectively obtained from the Surveillance, Epidemiology, and End Results (SEER) 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.
BACKGROUND: The aim of this study was to develop a machine learning (ML) model for classifying osteoporosis in Korean women based on a large-scale population cohort study. This study also aimed to assess ML model performance compared with traditional osteoporosis screening tools. Furthermore, this study aimed to examine the factors influencing the risk of osteoporosis through variable importance.
METHODS: Data was collected from 4199 women aged 40-69 years in the baseline survey of the Ansan and Ansung cohort of the Korean Genome and Epidemiology Study. Osteoporosis was set as the dependent v
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: This study aimed to develop a nomogram to predict the preoperative diagnostic probabilities of central lymphoma and glioma, as well as glioblastoma versus non-glioblastoma.
PATIENTS AND METHODS: Retrospective analysis was performed on patients with central nervous system lymphoma or glioma who received treatment at our department, between 2016 and 2025. From 2016 to 2024, Eligible patients were randomly assigned to training and validation sets in a 7:3 ratio. Patients at our department from 2024 to 2025 ( n = 104) and two other medical centers (External Center1: n = 95, External Cent
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: This study aims to develop an interpretable machine learning (ML) model to accurately predict the probability of achieving total pathological complete response (tpCR) in patients with locally advanced breast cancer (LABC) following neoadjuvant chemotherapy (NAC). Methods: This multi-center retrospective study included pre-NAC clinical pathology data from 698 LABC patients. Post-operative pathological outcomes divided patients into tpCR and non-tpCR groups. Data from 586 patients at Shanghai Ruijin Hospital were randomly assigned to a training set (80%) and a test set (20%). In compa
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: Therapeutic plasma exchange (TPE) artificially lowers prognostic markers such as INR and bilirubin, complicating timely decisions regarding liver transplantation (LT) in acute liver failure (ALF).
AIMS: We aimed to utilize machine learning (ML) models for predicting response to TPE and to create an online clinical decision support tool.
METHODS: Children aged 2-18 years with ALF who underwent at least one TPE session were included. Data were retrieved from a prospectively maintained database which included clinical data and serial biochemical variables. Multiple classifiers (rand
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: Identifying high-risk individuals for cardiovascular and all-cause mortality among individuals with cardiovascular-kidney-metabolic (CKM) syndrome stage 0-3 can guide the implementation of targeted interventions. This study aimed to evaluate the predictive value of plasma proteins for future cardiovascular and all-cause mortality.
METHODS: This study included 39,007 participants from the UK Biobank (UKB) with CKM stage 0-3 and available proteomic data. Associations between plasma proteins and future risks of cardiovascular and all-cause mortality were assessed using Cox proportion
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.
OBJECTIVE: This research focused on establishing and testing a machine learning-driven predictive tool aimed at assisting in the identification of diabetic kidney disease (DKD).
METHODS: The prediction models were developed and internally temporally validated using single institution data. A total of 1463 patients from Shaanxi Provincial People's Hospital between March 2023 and September 2024 were incorporated in our study. Least absolute shrinkage and selection operator regression with 10-fold cross-validation was used to select the optimal features. We compared extreme gradient boosting, ra
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: Fluorometric newborn screening for phenylketonuria (PKU) is widely used but plagued by high false positives (FPs), leading to unnecessary follow-ups and parental anxiety. Machine learning (ML) models may optimize screening efficiency by reducing FPs while preserving sensitivity.
METHODS: A retrospective study used fluorometric PKU screening data from 493,652 neonates (2022-2024) at Shenzhen Maternity and Child Healthcare Hospital. The cohort included 70,342 concurrent tandem mass spectrometry (MS/MS) tests, with 711 screen-positive cases selected for internal validation. A 1:2 pro
СтатьяВалидационное исследованиеПолный 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: Patients with synchronous metastatic nasopharyngeal carcinoma (smNPC) show marked survival heterogeneity, which complicates individualized prognostic assessment and treatment planning. We developed and validated a stacking ensemble machine learning model for predicting 3-year overall survival (OS) in this population.
METHODS: This multicenter retrospective study included 413 patients from three institutions, randomly assigned to a training set (n = 289) and an internal held-out validation set (n = 124). Candidate predictors included demographic, histopathologic, serological, and t
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: Differentiated thyroid carcinoma (DTC) responses to initial post-operative I-131 therapy are heterogeneous. Standard binary models combine incomplete responses into a 'non-excellent' category, obscuring transitional states (indeterminate response [IDR] and biochemical incomplete response [BIR]) and outcome-specific drivers. We developed and validated an interpretable four-class machine learning framework to separate these dynamic trajectories and support pre-therapeutic decisions.
MATERIALS AND METHODS: Data from 948 DTC patients were partitioned into training (n = 663) and test (
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.
PURPOSE: This study aims to develop and validate an explainable machine learning model for predicting postoperative survival in patients with locally advanced gastric cancer (LAGC), optimizing predictive accuracy while ensuring clinical applicability to facilitate personalized prognostication for patients.
METHODS: The study utilized data from 8616 LAGC patients who underwent gastrectomy (2004-2015) in the Surveillance, Epidemiology, and End Results (SEER) database for model development and validation, with external validation performed using 235 postoperative LAGC cases (2016-2022) from Maom
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.
Periodontitis (PD) is a chronic inflammatory disease in which oxidative stress plays a crucial role in its progression. Mitophagy eliminates damaged mitochondria and alleviates oxidative stress; however, its specific regulatory mechanisms in PD remain unclear. This study utilized single-cell and bulk RNA sequencing data to identify core genes and investigate their potential roles. We utilized single-cell RNA sequencing data and applied 4 algorithms - area under the curve cell level enrichment, U-statistics-based single-cell signature scoring, single-sample gene set scoring, and AddModuleScore
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: This study aims to explore the clinical value of multiple machine learning (ML) methods in predicting the benign or malignant nature of thyroid nodules based on preoperative dual-layer spectral computed tomography (DLCT) quantitative parameters and clinical characteristics. METHODS: The DLCT images and clinical data of 432 thyroid nodule patients were retrospectively analyzed. The patients were randomly divided into a training (n = 302) and validation sets (n = 130). DLCT quantitative parameters included conventional CT value, 40-keV CT value, 70-keV CT value, 100-keV CT value, spec
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: This study aimed to develop a data-driven prediction model for cardiac surgery-associated acute kidney injury (CSA-AKI) at the end of surgery using machine learning (ML) algorithms.
METHODS: We retrospectively collected clinical data from patients undergoing cardiac surgery at Nanjing First Hospital between June 2016 and January 2023. Feature selection was performed using Lasso regression to identify variables most strongly associated with CSA-AKI. Six ML algorithms-logistic regression (LR), random forest (RF), gradient boosting decision tree (GBDT), eXtreme Gradient Boosting Tree
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: Patients with alpha-fetoprotein (AFP)-positive hepatocellular carcinoma (HCC) have aggressive biological behavior and poor prognosis. Therefore, survival time is one of the greatest concerns for patients with AFP-positive HCC. This study aimed to demonstrate the utilization of six machine learning (ML)-based prognostic models to predict overall survival of patients with AFP-positive HCC.
METHODS: Data on patients with AFP-positive HCC were extracted from the Surveillance, Epidemiology, and End Results database. Six ML algorithms (extreme gradient boosting [XGBoost], logistic regre
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.
MedElevator
Войти в исследования