This study investigates the influence of absorber layer thickness and acceptor doping concentration on the photovoltaic performance of CsSn₀.₅Ge₀.₅I₃-based lead-free perovskite solar cells (PSCs), complemented by machine learning (ML) for predictive modeling of power conversion efficiency (PCE). The simulation results indicate that an optimal thickness of 0.8 µm enhances light absorption and charge extraction, yielding a short-circuit current density (JSC) of 27.36 mA/cm2, while the overall maximum values obtained from the plots are 28.53 mA/cm2 for JSC, 1.219 V for VOC, 89.84% for FF, and 31.
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: Exercise is an important method of promoting health. But unscientific high-intensity exercise is harmful to health. Extreme high-intensity exercise could lead to serious cardiac events such as sudden cardiac death. However, myocardial injury and the metabolic changes have been little studied. Our study aimed to explore the changes in myocardial tissue and metabolism after high-intensity exercise, while investigating the relationship between key metabolites and diseases that cause myocardial injury in population.
METHODS: We investigated myocardial injury through serum myocardial i
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.
Persistent surface ozone (O3) in China's Beijing-Tianjin-Hebei region, driven by complex meteorology-precursor interactions, has become a critical air quality crisis. A longstanding challenge in O3 pollution mitigation is identifying drivers of O3 formation and its response to precursor emissions. Using explainable ensemble machine learning, scenario-based modeling and empirical kinetic modeling approach, we quantified O3 formation drivers and evaluated scenario-dependent responses to integrated/sectoral precursor emission reductions across multiple dynamic scenarios. We demonstrate that tempe
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: Fibromyalgia (FM) is a complex autoimmune disorder characterized by widespread pain and fatigue, with significant diagnostic challenges due to the absence of specific biomarkers. This study aims to identify and validate potential genetic markers for FM to facilitate earlier diagnosis and intervention.
METHODS: We analyzed gene expression data from the Gene Expression Omnibus (GEO) to identify differentially expressed genes (DEGs) associated with FM. Comprehensive enrichment analyses, including Gene Ontology (GO), the Kyoto Encyclopedia of Genes and Genomes (KEGG), and Reactome path
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.
Noxious chemicals like chlorine induce extreme distress, pain, and irritation in exposed individuals, yet methods to evaluate pain-related behavioral responses are absent. It is also unknown whether analgesics would alleviate pain and physical discomfort induced by such noxious chemicals. The grimace scale (GS), which evaluates facial expression features such as orbital tightening (OT), is a valuable indicator of pain and distress in animals. However, conventional GS approaches are labor-intensive, prone to subjectivity, and lack quantitative precision. In this study, we employed machine learn
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
Lymphatic filariasis (LF) is a mosquito-borne neglected tropical disease that causes disfiguring of the affected extremities, often leading to permanent disability and stigma. Described as a disease of poverty, the impact of socioeconomic indicators such as nutrition on LF remains largely unexplored. This cross-sectional study investigates nutritional predictors implicated in the progression of LF using machine learning methods in the Ahanta West Municipality, Ghana. There were 109 participants with a mean age of 50.72±13.8, and three-quarters being females. Only 14 (12.8%) each had comorbidit
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.
Tuberculosis (TB) is a major global health issue, contributing significantly to mortality and morbidity rates worldwide. Socioeconomic, environmental, and healthcare factors significantly impact TB trends. Therefore, we aimed to predict TB and identify the determinants of the disease using advanced artificial intelligence (AI). This study employed the advanced machine learning (ML) model, XGBoost (eXtreme gradient boosting), combined with XAI (eXplainable artificial intelligence) and spatial analysis to describe global TB incidence and mortality rates across 194 countries from 2000 to 2022. Sp
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: Accurate prediction of immunogenic proteins is crucial for vaccine development and understanding host-pathogen interactions in bacterial diseases, particularly for Salmonella infections which remain a significant global health challenge.
METHODS: We developed SHASI-ML, a machine learning-based framework for predicting immunogenic proteins in Salmonella species. The model was trained and validated using a curated dataset of experimentally verified immunogenic and non-immunogenic proteins. Three distinct feature groups were extracted from protein sequences: global properties, sequ
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: Delirium is commonly reported from the inpatients with Coronavirus disease 2019 (COVID-19) infection. As delirium is closely associated with adverse clinical outcomes, prediction and prevention of delirium is critical. We developed a machine learning (ML) model to predict delirium in hospitalized patients with COVID-19 and to identify modifiable factors to prevent delirium.
METHODS: The data set (n = 878) from four medical centers was constructed. Total of 78 predictors were included such as demographic characteristics, vital signs, laboratory results and medication, and the primar
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: To evaluate the incremental value of positron emission tomography (PET) myocardial perfusion imaging (MPI) over coronary computed tomography angiography (CCTA) in predicting short- and long-term outcome using machine learning (ML) approaches.
METHODS AND RESULTS: A total of 2411 patients with clinically suspected coronary artery disease (CAD) underwent CCTA, out of whom 891 patients were admitted to downstream PET MPI for haemodynamic evaluation of obstructive coronary stenosis. Two sets of Extreme Gradient Boosting (XGBoost) ML models were trained, one with all the clinical and imaging
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: Cardiovascular diseases (CVDs) include abnormal conditions of the heart, diseased blood vessels, structural problems of the heart, and blood clots. Traditionally, CVD has been diagnosed by clinical experts, physicians, and medical specialists, which is expensive, time-consuming, and requires expert intervention. On the other hand, cost-effective digital diagnosis of CVD is now possible because of the emergence of machine learning (ML) and statistical techniques.
METHOD: In this research, extensive studies were carried out to classify CVD via 19 promising ML models. To evaluate the
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: Malignant cerebral edema (MCE) is a serious complication and the main cause of poor prognosis in patients with large-hemisphere infarction (LHI). Therefore, the rapid and accurate identification of potential patients with MCE is essential for timely therapy. This study utilized an artificial intelligence-based machine learning approach to establish an interpretable model for predicting MCE in patients with LHI.
METHODS: This study included 314 patients with LHI not undergoing recanalization therapy. The patients were divided into MCE and non-MCE groups, and the eXtreme Gradient
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 key challenge for metal-exchanged zeolites is the determination of metal cation speciation and nuclearity under synthesis and reaction conditions. Copper-exchanged zeolites, which are widely used in automotive emissions control and potential catalysts for partial methane oxidation, have in particular evidenced a wide variety of Cu structures that are observed to change with exposure conditions, zeolite composition, and topology. Here, we develop predictive models for Cu cation speciation and nuclearity in CHA, MOR, BEA, AFX, and FER zeolite topologies using interatomic potentials, quantum ch
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.
AIM: Nonalcoholic fatty liver disease (NAFLD) is a silent epidemy that has become the most common chronic liver disease worldwide. Nonalcoholic steatohepatitis (NASH) is an advanced stage of NAFLD, which is linked to a high risk of cirrhosis and hepatocellular carcinoma. The aim of this study is to develop a predictive model to identify the main risk factors associated with the progression of hepatic fibrosis in patients with NASH.
METHODS: A database from a multicenter retrospective cross-sectional study was analyzed. A total of 215 patients with NASH biopsy-proven diagnosed were collected.
Многоцентровое исследованиеСтатьяПоддержка исследования: вне правительства СШАПоиск 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: Short- and long-term complications of gestational diabetes mellitus (GDM) involving pregnancies and offspring warrant the development of an effective individualized risk prediction model to reduce and prevent GDM together with its associated co-morbidities. The aim is to use machine learning (ML) algorithms to study data gathered throughout the first trimester in order to predict GDM.
METHODS: Two independent cohorts with forty-five features gathered through first trimester were included. We constructed prediction models based on three different algorithms and traditional logistic re
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.
The epidermal growth factor receptor (EGFR) has been shown to be extremely important in numerous signaling pathways, particularly those involved in cancer progression. Many therapeutic inhibitors, consisting of both small molecules and monoclonal antibodies, have been developed to target inflammatory, triple-negative and metastatic breast cancer. With the emergence of resistance in breast cancer treatment strategies, there is a need to develop novel drug targets that not only overcome resistance, but also exhibit low toxicity and high specificity. The work presented here focuses on the identif
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.
Purpose: In many epithelia, including the corneal endothelium, intracellular/extracellular stresses break down the perijunctional actomyosin ring (PAMR) and zonula occludens-1 (ZO-1) at the apical junctions. This study aims to grade the severity of damage to PAMR and ZO-1 through machine learning. Methods: Immunocytochemical images of PAMR and ZO-1 were drawn from recent studies on the corneal endothelium subjected to hypothermia and oxidative stress. The images were analyzed for their morphological (e.g., Hu moments) and textural features (based on gray-level co-occurrence matrix [GLCM] and G
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: Inadvertent intraoperative hypothermia is a common complication that affects patient comfort and morbidity. As the development of hypothermia is a complex phenomenon, predicting it using machine learning (ML) algorithms may be superior to logistic regression.
METHODS: We performed a single-center retrospective study and assembled a feature set comprised of 71 variables. The primary outcome was hypothermia burden, defined as the area under the intraoperative temperature curve below 37 °C over time. We built seven prediction models (logistic regression, extreme gradient boosting (XG
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: Hydrocephalus (HCP) is one of the most significant concerns in neurosurgical patients because it can cause increased intracranial pressure (ICP), resulting in mortality and morbidity. To date, machine learning (ML) has been helpful in predicting continuous outcomes. The primary objective of the present study was to identify the factors correlated with ICP, while the secondary objective was to compare the predictive performances among linear, non-linear, and ML regression models for ICP prediction.
METHODS: A total of 412 patients with various types of HCP who had undergone ventric
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.
Congestive heart failure (CHF) is a chronic heart condition associated with debilitating symptoms that can lead to mortality. The electrocardiogram (ECG) is a noninvasive and simple diagnostic method that can show detectable changes in CHF. However, manual diagnosis of ECG signals is often erroneous due to the small amplitude and duration of the ECG signals. This paper presents a CHF diagnosis method based on generalized multiscale entropy (MSE)-wavelet leaders (WL) and extreme learning machine (ELM). Firstly, ECG signals from normal sinus rhythm (NSR) and congestive heart failure (CHF) patien
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.
MedElevator
Войти в исследования