BACKGROUND: Parkinson's disease is a rapidly growing neurodegenerative disorder with various motor and non-motor symptoms, affecting millions of people worldwide. These symptoms demonstrate significant medication-related fluctuations and inter-patient variability, highlighting the need for personalized management. Objective longitudinal symptom monitoring through wearable sensors and machine learning can support individualized care. However, to date, most approaches have been tested in lab-constrained environments. This study aims to develop a modular pipeline to automatically detect three car
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 map the development, knowledge structure, and clinical translation of artificial intelligence applications in osteoporosis screening and fracture risk prediction among aging populations, with a focus on risk stratification, prediction-oriented modeling, and endocrine bone health management.
METHODS: A bibliometric evidence-mapping study was conducted using publications retrieved from the Web of Science Core Collection and PubMed. VOSviewer and R/bibliometrix were used to analyze publication and citation trends, collaboration networks, reference co-citation knowledge bases, autho
СтатьяСистематический обзорПоиск 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.
Venous partial pressure of carbon dioxide (PvCO 2 ) indicates postoperative adverse outcomes in patients with acute aortic dissection, and its trajectories over time affecting postoperative adverse outcomes remain unclear. This study aimed to investigate the relationship between PvCO 2 trajectories and postoperative adverse outcomes, as well as clinical application through group-based trajectory modeling and machine-learning algorithms. This retrospective cohort study analyzed data from 642 patients with acute aortic dissection treated at the Fourth Hospital of Hebei Medical University from 20
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.
INTRODUCTION: Chronic kidney disease is a progressive condition that often necessitates kidney replacement therapy, with haemodialyses relying on stable, functional arteriovenous fistulas. While arteriovenous fistulas offer several benefits, they are susceptible to complications that present considerable management challenges.
OBJECTIVE: This review aimed to investigate the potential role of artificial intelligence in the management of arteriovenous fistulas.
DESIGN: Scoping review was reported following the PRISMA-Scoping eview guidelines and Joanna Briggs Institute methodology.
PARTICIPAN
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.
Background: Bladder cancer (BLCA) exhibits marked heterogeneity, and current classifiers provide limited guidance for prognosis or treatment. Because epigenetic reprogramming and metabolic rewiring jointly shape BLCA biology, we sought to identify epigenomically informed biomarkers with functional relevance. Methods: Epigenome (genome-wide promoter DNA methylation) and matched transcriptome (RNA sequencing) profiles from tumor and adjacent normal samples were integrated to identify genes with concordant differential methylation and expression patterns. A survival-oriented machine learning fram
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 AND AIMS: Familial Mediterranean Fever (FMF) is a monogenic autoinflammatory disease caused by mutations in the MEFV gene, resulting in recurrent inflammatory episodes and a risk of developing amyloidosis. Although its pathophysiology is well described, FMF still lacks specific biomarkers and personalized treatment strategies. MicroRNAs (miRNAs), which regulate gene expression posttranscriptionally, have emerged as promising diagnostic, prognostic, and therapeutic biomarkers. Given their complex expression patterns, bioinformatics approaches are essential for their identification an
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: Malaria remains a significant and worldwide health threat with increasing resistance to current treatments, stimulating the demand for innovative approaches in pursuing drug discovery. This systematic review integrates the progress made from 2014 through 2024 regarding molecular methods like gene expression profiling, molecular docking and machine learning to understand the biology of Plasmodium and identify new drug targets and compounds, focusing on herbal remedies and computational methods.
METHODOLOGY: Several studies were found using a PRISMA-guided search of PubMed, Scopus a
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.
INTRODUCTION: The propagation of neural signals across various brain regions requires us to understand directional connectivity in functional magnetic resonance imaging (fMRI) data. We employ temporal partial directed coherence (TPDC), a data driven method to explore directional connectivity in young and old healthy individuals, manifest PD and prodromal PD patients. TPDC provides comprehensive analysis of neural signal propagation compared to traditional methods like Dynamic Causal Modeling, Granger Causality and Transfer Entropy.
METHODS: We analyzed preprocessed fMRI data from the young an
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.
Facioscapulohumeral muscular dystrophy (FSHD) is a genetic neuromuscular disorder characterized by progressive muscle degeneration with substantial variability in severity and progression patterns. FSHD is a highly heterogeneous disease; however, current clinical metrics used for tracking disease progression lack sensitivity for personalized assessment, which greatly limits the design and execution of clinical trials. This study introduces a multi-scale machine learning framework leveraging whole-body magnetic resonance imaging (MRI) and clinical data to predict regional, muscle, joint, and fu
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: Frontotemporal dementia (FTD) is a neurodegenerative disorder characterized by progressive degeneration of the frontal and temporal lobes, leading to significant changes in personality, behavior, and language abilities. Early and accurate differential diagnosis between FTD, its subtypes, and other dementias, such as Alzheimer's disease (AD), is crucial for appropriate treatment planning and patient care. Machine learning (ML) techniques have shown promise in enhancing diagnostic accuracy by identifying complex patterns in clinical and neuroimaging data that are not easily discern
СтатьяСистематический 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.
Major depressive disorder (MDD) is a complex psychiatric disorder that affects the lives of hundreds of millions of individuals around the globe. Even today, researchers debate if morphological alterations in the brain are linked to MDD, likely due to the heterogeneity of this disorder. The application of deep learning tools to neuroimaging data, capable of capturing complex non-linear patterns, has the potential to provide diagnostic and predictive biomarkers for MDD. However, previous attempts to demarcate MDD patients and healthy controls (HC) based on segmented cortical features via linear
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.
AIMS: The epidemiology and age-specific patterns of lifetime suicide attempts (LSA) in China remain unclear. We aimed to examine age-specific prevalence and predictors of LSA among Chinese adults using machine learning (ML).
METHODS: We analyzed 25,047 adults in the 2024 Psychology and Behavior Investigation of Chinese Residents (PBICR-2024), stratified into three age groups (18-24, 25-44, ≥ 45 years). Thirty-seven candidate predictors across six domains-sociodemographic, physical health, mental health, lifestyle, social environment, and self-injury/suicide history-were assessed. Five ML mode
СтатьяМногоцентровое 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.
Monitoring the temporal evolution of surface water distribution is crucial to support surface water management and conservation, and could also effectively contribute to the achievement of Sustainable Development Goal 6 (SDG 6) 'Clean Water and Sanitation' at the regional level. Despite its importance, there is a lack of an operational method for determining surface water extent that also shows the interannual variability in Ethiopia. We assess Gradient Tree Boosting (GTB), Support Vector Machines (SVM), and Random Forest (RF) running on the Google Earth Engine (GEE) using Landsat for surface
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/OBJECTIVES: Follicular lymphoma (FL) and marginal zone lymphoma (MZL) are low-grade B-cell lymphomas (LGBCLs) with indolent clinical courses but a lifelong risk of histologic transformation (HT) to aggressive lymphomas, particularly diffuse large B-cell lymphoma. Predicting HT can be challenging due to class imbalances and the inherent complexity of time-dependent events. While there are current prognostic indices for survival, they do not specifically address HT risk. This study aimed to develop and validate survival-based and traditional classification machine-learning models to 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.
BACKGROUND: Movement disorders such as Parkinson's disease are associated with structural and functional changes in specific brain regions. Advanced magnetic resonance imaging (MRI) techniques combined with machine learning (ML) are promising tools for identifying imaging biomarkers and patterns associated with these disorders.
PURPOSE/HYPOTHESIS: We aimed to systematically identify the brain regions most commonly affected in movement disorders using ML approaches applied to structural and functional MRI data. We searched the PubMed and Scopus databases using relevant keywords up to June 2023
Систематический обзорСтатьяМетаанализПолный 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.
UNLABELLED: Antimicrobial resistance (AMR) is a public health threat worldwide. Next-generation sequencing (NGS) has opened unprecedented opportunities to accelerate AMR mechanism discovery and diagnostics. Here, we present an integrative approach to investigate trimethoprim (TMP) resistance in the key pathogen Streptococcus pneumoniae. We explored a collection of 662 S. pneumoniae genomes by conducting a genome-wide association study (GWAS), followed by functional validation using resistance reconstruction experiments, combined with machine learning (ML) approaches to predict TMP minimum inhi
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.
Cuproptosis has been reported to affect a variety of diseases. Therefore, we aimed to examine the role of cuproptosis-related genes in active ulcerative colitis (UC). We acquired 2 datasets of active UC from the Gene Expression Omnibus database and created immune cell infiltrations to research immune cell dysregulation. Based on the cuproptosis gene set and differentially expressed genes (DEGs), we identified the differentially expressed genes of cuproptosis (CuDEGs). We then used 2 machine learning methods to screen hub CuDEGs. Subsequently, we performed validation on additional datasets and
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: A cluster of severe lung disease occurred at a manufacturing facility making industrial machines. We aimed to describe disease features and workplace exposures.
METHODS: Clinical, functional, radiologic, and histopathologic features were characterized. Airborne concentrations of thoracic aerosol, metalworking fluid, endotoxin, metals, and volatile organic compounds were measured. Facility airflow was assessed using tracer gas. Process fluids were examined using culture, polymerase chain reaction, and 16S ribosomal RNA sequencing.
RESULTS: Five previously healthy male never-smoker
СтатьяПоддержка NIH: внешняя программаResearch Support, N.I.H., IntramuralПоддержка 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.
BACKGROUND: Bicuspid aortic valves (BAV) are associated with incompletely characterized aortopathy. Our objectives were to identify distinct patterns of aortopathy using machine-learning methods and characterize their association with valve morphology and patient characteristics.
METHODS: We analyzed preoperative 3-dimensional computed tomography reconstructions for 656 patients with BAV undergoing ascending aorta surgery between January 2002 and January 2014. Unsupervised partitioning around medoids was used to cluster aortic dimensions. Group differences were identified using polytomous ran
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.
Duchenne muscular dystrophy (DMD) is a genetic disorder that results in progressive muscular degeneration. Although medical advances increased their life expectancy, DMD individuals are still highly dependent on caregivers. Hand/wrist function is central for providing independence, and robotic exoskeletons are good candidates for effectively compensating for deteriorating functionality. Robotic hand exoskeletons require the accurate decoding of motor intention typically via surface electromyography (sEMG). Traditional low-density sEMG was used in the past to explore the muscular activations of
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