PURPOSE: This study describes the initial development of a deep learning algorithm, ROP.AI, to automatically diagnose retinopathy of prematurity (ROP) plus disease in fundal images.
METHODS: ROP.AI was trained using 6974 fundal images from Australasian image databases. Each image was given a diagnosis as part of real-world routine ROP screening and classified as normal or plus disease. The algorithm was trained using 80% of the images and validated against the remaining 20% within a hold-out test set. Performance in diagnosing plus disease was evaluated against an external set of 90 images. P
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: To construct a machine-learning-based prediction model for in-hospital major adverse cardiovascular events (MACE) among patients with ST-elevation myocardial infarction (STEMI) after emergency percutaneous coronary intervention (PCI). Methods: A total of 5829 patients with STEMI who underwent emergency PCI at the Emergency Critical Care Center of Beijing Anzhen Hospital, Capital Medical University, from January 1, 2015, to July 1, 2025, were enrolled. Patients were divided into the MACE group (524 cases) and the non-MACE group (5 305 cases) according to the occurrence of in-hospital
Аннотация на английскомСтатьяПолный 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: Return to work (RTW) is a key indicator of recovery for young and middle-aged maintenance hemodialysis (MHD) patients. Timely identification of patients with a low likelihood of RTW is crucial for precision rehabilitation assessment and risk-stratified management. This study aimed to develop and validate a machine learning-based predictive model for identifying influencing factors of current RTW status and enabling risk stratification among young and middle-aged MHD patients.
METHODS: From March 2023 to May 2024, 793 young and middle-aged MHD patients were recruited from eight ter
СтатьяВалидационное исследованиеПоиск 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: Postoperative pneumonia is a significant complication, highlighting a patient's ongoing vulnerability. While traditional tools focus on short-term outcomes, the perioperative period offers a unique "stress test" window to identify high-risk patients. This study developed and validated a machine-learning-based prognostic framework to predict pneumonia risk up to one year after surgery.
METHODS: This retrospective study examined 11,655 surgical encounters at a tertiary hospital. Multiple machine learning algorithms, including random forest (RF), extreme gradient boosting, support ve
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.
Diabetes is a prevalent long-lasting disease marked by high blood glucose due to inadequate insulin secretion and insulin resistance may result in serious life-threatening complications. Diabetes global prevalence has raised by fourfold over the past thirty years, and is the ninth foremost disease leads to death across the globe. Meanwhile, developments in machine learning presents new opportunities for prediction and classification of disease. However, despite of numerous existing models, a need for classifying types of diabetes still remains. The objective of this study is to develop an inte
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.
This paper presents a time-stratified breast cancer survival analysis that incorporates tumor characteristics, disease stage, and patient features, using machine learning (ML) algorithms to support personalized care planning. Considering nonlinear relationships between input data and the risk of death, as well as the dynamics of patient characteristics over time, we utilize 6 ML algorithms, including XGBoost, Logistic Regression, Random Forest, Decision Tree, AdaBoost, and Multilayer Perceptron, for less than 6 months, 6 months, 1-, 2-, 3-, 5-, and 10-year survival rates prediction. We utilize
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: Several studies have developed predictive models for venous thromboembolism (VTE) after metabolic and bariatric surgery (MBS), but none have incorporated complications that increase VTE risk. This study aimed to evaluate the risk factors for VTE following MBS using machine learning (ML) algorithms, using models that either excluded or included time-aware postoperative complication variables-these were engineered to include only complications that occurred before the VTE event.
METHODS: We used the MBSAQIP database from 2020 to 2023. XGBoost, random forest classifiers, support vect
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.
To develop a machine learning model for early prediction of gestational diabetes mellitus (GDM) using routinely available first-trimester clinical and ultrasound data in Northern Chinese women. This multicenter prospective cohort study enrolled pregnant women from three hospitals in Northern China. We integrated first-trimester maternal characteristics and standardized ultrasound measurements of subcutaneous (SAT) and visceral (VAT) adipose tissue thickness. After addressing potential selection bias via inverse probability weighting, we employed a genetic algorithm (GA) for robust feature sele
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.
The current study aimed to estimate the prevalence of self-harm and nonsuicidal self-injury (NSSI) in children with learning disabilities (LD) in Saudi Arabia and to develop machine-learning (ML) models to identify individuals at elevated risk. In a cross-sectional study, 392 children with DSM-5 specific LD (aged 8-12 years) were recruited through clinical and community channels and assessed for lifetime NSSI and self-harm using structured interviews and self-report. A comprehensive set of sociodemographic, academic, clinical and psychosocial variables was screened using recursive feature elim
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: To construct and evaluate a LightGBM prediction model for intellectual disabilities in children with Autism Spectrum Disorder (ASD).
METHODS: A total of 384 ASD children who completed the Wechsler Intelligence Test and Adaptive Behavioral Assessment System were included in the analysis. The LightGBM model was trained using behavioral observation data and underwent hyperparameter tuning and feature selection.
RESULTS: Among the ASD children, 32.9% had comorbid ID. The LightGBM model exhibited the highest sensitivity and accuracy, with values of 0.793 and 0.760, respectively. It also
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: Neglected Tropical Diseases (NTDs) affect 1.5 billion people worldwide with 39% of the global burden occurring in Africa. In Kenya, NTDs remain endemic despite control efforts, with co-endemicity of soil-transmitted helminths (STH), schistosomiasis (SCH), and lymphatic filariasis (LF) complicating intervention strategies. This study developed machine learning models to predict high-risk co-endemic areas using demographic and Water, Sanitation, and Hygiene (WASH) indicators.
METHODOLOGY: The study analyzed Kenya's 2022 NTD co-endemicity data from the Expanded Special Project for El
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: To construct a risk prediction model for sarcopenic obesity in the elderly using different machine learning methods. METHODS: The research data were derived from the CHARLS 2015 national survey data. According to the inclusion and exclusion criteria, 2,375 elderly people were selected and 42 research variables were included. The risk factors were screened by univariate analysis. The variables with statistically significant differences (P < 0.05) were selected using the Boruta feature selection method, resulting in 16 features. A prediction model was then constructed based on six mac
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: This study aims to identify the key predictors of longitudinal extrauterine growth restriction (EUGR) in very preterm infants during the parenteral-to-enteral nutrition transition and subsequently develop an effective predictive model for early clinical identification.
METHODS: A total of 260 infants born at 28-31+6 weeks of gestation were included in this retrospective study. Perinatal and early postnatal clinical data were collected. The univariate regression analysis (p < 0.1) and LASSO algorithms were employed to comprehensively screen for variables. The screened variables w
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.
The advancement of investigation tools and electronic health records (EHR) enables a paradigm shift from guideline-specific therapy toward patient-specific precision medicine. The multiparametric and large detailed information necessitates novel analyses to explore the insight of diseases and to aid the diagnosis, monitoring, and outcome prediction. Artificial intelligence (AI), machine learning, and deep learning (DL) provide various models of supervised, or unsupervised algorithms, and sophisticated neural networks to generate predictive models more precisely than conventional ones. The data
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.
STUDY DESIGN: Validation.
OBJECTIVES: The primary aim of this study was to develop and evaluate activity classification algorithms for a multisensor-based SenseWear (SW) activity monitor that can recognize wheelchair-related activities performed by manual wheelchair users (MWUs) with spinal cord injury (SCI). The secondary aim was to evaluate how the accuracy in activity classification affects the estimation of energy expenditure (EE) in MWUs with SCI.
SETTING: University-based laboratory.
METHODS: Forty-five MWUs with SCI wore a SW on their upper arm and participated in resting, wheelchair
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
BACKGROUND: Survival estimation guides surgical decision-making in metastatic bone disease. Traditionally, classic scoring systems, such as the Bauer score, provide survival estimates based on a summary score of prognostic factors. Identification of new factors might improve the accuracy of these models. Additionally, the use of different algorithms--nomograms or boosting algorithms--could further improve accuracy of prognostication relative to classic scoring systems. A nomogram is an extension of a classic scoring system and generates a more-individualized survival probability based on a pat
Сравнительное исследованиеСтатьяПолный 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: Femoral neck fractures are common and are frequently treated with internal fixation. A major disadvantage of internal fixation is the substantially high number of conversions to arthroplasty because of nonunion, malunion, avascular necrosis, or implant failure. A clinical prediction model identifying patients at high risk of conversion to arthroplasty may help clinicians in selecting patients who could have benefited from arthroplasty initially.
QUESTION/PURPOSE: What is the predictive performance of a machine-learning (ML) algorithm to predict conversion to arthroplasty within 24
Рандомизированное исследованиеСтатьяПолный 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.
Integration of AI and XR in TAVR is revolutionizing the management of severe aortic stenosis by enhancing diagnostic accuracy, risk stratification, and pre-procedural planning. Advanced algorithms now facilitate precise electrocardiographic, echocardiographic, and CT-based assessments that reduce observer variability and enable patient-specific risk prediction. Immersive XR technologies, including augmented, virtual, and mixed reality, improve spatial visualization of complex cardiac anatomy and support real-time procedural guidance. Despite these advancements, standardized protocols, regulato
СтатьяОбзорПоиск 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.
This study serves the purpose of assisting users in selecting a comfortable seat surface material for office chairs and enhancing users' comfort while using office chairs. To address the issue that the selection of traditional seat surface material is too subjective and that the prediction effect is poor, an improved sparrow search algorithm (ISSA) optimized least squares support vector machine (LSSVM) method for office chair seat surface material comfort prediction has been proposed. Sparrow Search Algorithm (SSA) was optimized with Sobol sequences, nonlinear inertial weights, and a crisscros
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: Many tools have been developed to assess fall risk and support fall prevention for older adults, but the authors are unaware of any study that compares the performance of predictive algorithms based on major composite assessment tools and commonly used single assessment tools. This study compares the predictive performance of the algorithms for two composite fall risk assessment tools and four single fall risk assessment tools among community-dwelling Chinese older adults.
METHODS: A 12-month prospective study was conducted between April 2023 and June 2024 in Changsha, China. Tw
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