BACKGROUND: Previous studies have typically explored daily lagged relationships between hemorrhagic fever with renal syndrome (HFRS) and meteorology, with a limited seasonal exploration of monthly lagged relationships, interactions, and the role of pollutants in multiple predictions of hemorrhagic fever.
METHODS: Our researchers collected data on HFRS cases from 2005 to 2018 and meteorological and contaminative factors from 2015 to 2018 for the northeastern region. First, we applied the moving epidemic method (MEM) to estimate the epidemic threshold and intensity level. Then, we used a distri
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: This study aimed to apply eight machine learning algorithms to develop the optimal model to predict amputation-free survival (AFS) after first revascularization in patients with peripheral artery disease (PAD).
METHODS: Among 2130 patients from 2011 to 2020, 1260 patients who underwent revascularization were randomly assigned to training set and validation set in an 8:2 ratio. 67 clinical parameters were analyzed by lasso regression analysis. Logistic regression, gradient boosting machine, random forest, decision tree, eXtreme gradient boosting, neural network, Cox regression, and
Рандомизированное исследованиеСтатьяПоиск 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 progression of Alzheimer's dementia (AD) can be classified into three stages: cognitive unimpairment (CU), mild cognitive impairment (MCI), and AD. The purpose of this study was to implement a machine learning (ML) framework for AD stage classification using the standard uptake value ratio (SUVR) extracted from 18F-flortaucipir positron emission tomography (PET) images. We demonstrate the utility of tau SUVR for AD stage classification. We used clinical variables (age, sex, education, mini-mental state examination scores) and SUVR extracted from PET images scanned at baseline.
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: Early identification of Alzheimer's disease or mild cognitive impairment can help guide direct prevention and supportive treatments, improve outcomes, and reduce medical costs. Existing advanced diagnostic tools are mostly based on neuroimaging and suffer from certain problems in cost, reliability, repeatability, accessibility, ease of use, and clinical integration. To address these problems, we developed, evaluated, and implemented an early diagnostic tool using machine learning and non-imaging factors.
METHODS AND RESULTS: A total of 654 participants aged 65 or older from the Nu
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: This study aims to construct and validate several machine learning (ML) algorithms to predict long-term mortality and identify risk factors in unselected patients post-cardiac surgery.
METHODS: The Medical Information Mart for Intensive Care (MIMIC-III) database was used to perform a retrospective administrative database study. Candidate predictors consisted of the demographics, comorbidity, vital signs, laboratory test results, scoring systems, and treatment information on the first day of ICU admission. Four-year mortality was set as the study outcome. We used the ML methods of l
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: Stroke-associated pneumonia (SAP) contributes to high mortality rates in spontaneous intracerebral hemorrhage (sICH) populations. Accurate prediction and early intervention of SAP are associated with prognosis. None of the previously developed predictive scoring systems are widely accepted. We aimed to derive and validate novel supervised machine learning (ML) models to predict SAP events in supratentorial sICH populations.
METHODS: The data of eligible supratentorial sICH individuals were extracted from the Risa-MIS-ICH database and split into training, internal validation, and e
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: To develop a machine learning (ML)-assisted model capable of accurately identifying patients with calculous pyonephrosis before making treatment decisions by integrating multiple clinical characteristics.
METHODS: We retrospectively collected data from patients with obstructed hydronephrosis who underwent retrograde ureteral stent insertion, percutaneous nephrostomy (PCN), or percutaneous nephrolithotomy (PCNL). The study cohort was divided into training and testing datasets in a 70:30 ratio for further analysis. We developed 5 ML-assisted models from 22 clinical features using lo
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: Pancreatic cancer (PC) is a highly aggressive malignancy of the digestive system, with an extremely poor prognosis. The mitochondrial unfolded protein response (UPRmt) can maintain mitochondrial homeostasis and promote tumor progression and chemotherapy resistance. Nevertheless, the functions of UPRmt-related genes (MRGs) in PC remain undefined.
METHODS: Gene expression data were obtained from TCGA, GEO, and CPTAC databases. Consensus clustering was performed based on MRGs, with subsequent evaluation of immune infiltration patterns across clusters. Prognostic MRGs were identified
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.
INTRODUCTION: Nosocomial infections (NIs) in cirrhosis are associated with high mortality but could be preventable. Logistic regression (LR) models have failed to identify high-risk patients. We aimed to develop machine learning (ML) models to predict NI.
METHODS: The CLEARED consortium consists of prospectively enrolled cirrhosis inpatients from >120 centers. Using day-of-admission clinical data, 3 ML approaches (random forest [RF], extreme gradient boosting, and neural networks [NNs]) were used to predict NI. Data were split 80:20 for training and testing stratified by the outcome. Models w
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.
Cryptosporidium and Giardia are important parasitic protozoa due to their zoonotic potential and impact on human health, and have often caused waterborne outbreaks of disease. Detection of (oo)cysts in water matrices is challenging and extremely costly, thus only few countries have legislated for regular monitoring of drinking water for their presence. Several attempts have been made trying to investigate the association between the presence of such (oo)cysts in waters with other biotic or abiotic factors, with inconclusive findings. In this regard, the aim of this study was the development of
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: Climate change is making the existing health problems worse and also introducing new health problem and therefore calls for a wider evaluation of climate sensitive global diseases. The review sought to assess and collate quantitative and qualitative evidence on the effects of climate change on global health, more specifically, infectious and respiratory diseases, the impacts of extreme weather events as well as the implications for mental health with the view of establishing appropriate sustainable and resilience public health measures and policies.
METHODOLOGY: A scoping review o
СтатьяScoping ReviewПоиск 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: Severe esophagogastric varices (EGVs) significantly affect prognosis of patients with hepatitis B because of the risk of life-threatening hemorrhage. Endoscopy is the gold standard for EGV detection but it is invasive, costly and carries risks. Noninvasive predictive models using ultrasound and serological markers are essential for identifying high-risk patients and optimizing endoscopy utilization. Machine learning (ML) offers a powerful approach to analyze complex clinical data and improve predictive accuracy. This study hypothesized that ML models, utilizing noninvasive ultrasou
СтатьяВалидационное исследованиеПолный 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: Unbound bilirubin (UB) was measured on day 5 ± 1 in 1101 ELBW newborns in the Aggressive vs Conservative Phototherapy randomized controlled trial. We accessed this dataset to quantify the UB-mediated risk of severe neurodevelopmental impairment (sNDI) in extremely low birthweight (ELBW) newborns.
METHODS: UB levels were standardized within laboratories as z-score percentiles. A dichotomous UB exposure variable was based on sharply increased risk of sNDI at the 85th percentile (UBz>85th). Targeted maximum likelihood estimation with ensemble machine learning (TMLE + ML) and logistic
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: This study aimed to integrate baseline clinical characteristics and multi-dimensional echocardiographic parameters of patients with heart failure with preserved ejection fraction (HFpEF), construct and validate an individualized predictive model for the efficacy of enhanced external counterpulsation (EECP) therapy in HFpEF patients based on an automated machine learning (AutoML) framework, and develop a corresponding clinical decision support system.
METHODS: A retrospective cohort study design was adopted, consecutively enrolling 550 HFpEF patients who received complete EECP treat
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: Mild cognitive impairment (MCI) poses significant challenges in early diagnosis and timely intervention. Underdiagnosis, coupled with the economic and social burden of dementia, necessitates more precise detection methods. Machine learning (ML) algorithms show promise in managing complex data for MCI and dementia prediction.
OBJECTIVE: This study assessed the predictive accuracy of ML models in identifying the onset of MCI and dementia using the Korean Longitudinal Study of Aging (KLoSA) dataset.
METHODS: This study used data from the KLoSA, a comprehensive biennial survey that t
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.
BACKGROUND: Coronary heart disease (CHD) is a major cause of morbidity and mortality worldwide. Identifying key risk factors is essential for effective risk assessment and prevention. A data-driven approach using machine learning (ML) offers advanced techniques to analyze complex, nonlinear, and high-dimensional datasets, uncovering novel predictors of CHD that go beyond the limitations of traditional models, which rely on predefined variables.
OBJECTIVE: This study aims to evaluate the contribution of various risk factors to CHD, focusing on both established and novel markers using ML techni
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: Patients with antimelanoma differentiation-associated gene 5 antibody-positive dermatomyositis-associated interstitial lung disease (anti-MDA5+DM-ILD) are susceptible to rapidly progressive interstitial lung disease (RP-ILD) and have a high risk of mortality. There is an urgent need for a reliable prediction model, accessible via an easy-to-use web-based tool, to evaluate the risk of death.
OBJECTIVE: This study aimed to develop and validate a risk prediction model of 3-month mortality using machine learning (ML) in a large multicenter cohort of patients with anti-MDA5+DM-ILD in C
СтатьяВалидационное исследованиеМногоцентровое исследованиеПоддержка 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.
STUDY QUESTION: Can machine learning predict the number of oocytes retrieved from controlled ovarian hyperstimulation (COH)?
SUMMARY ANSWER: Three machine-learning models were successfully trained to predict the number of oocytes retrieved from COH.
WHAT IS KNOWN ALREADY: A number of previous studies have identified and built predictive models on factors that influence the number of oocytes retrieved during COH. Many of these studies are, however, limited in the fact that they only consider a small number of variables in isolation.
STUDY DESIGN, SIZE, DURATION: This study was a retrospectiv
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.
OBJECTIVE: Personalized tools for accurately predicting papillary thyroid carcinoma (PTC) patients' response to initial 131I therapy are lacking. This study aimed to develop a machine learning (ML) model for prediction of 6-12 month therapeutic response after therapy.
METHODS: This study retrospectively enrolled 702 PTC patients undergoing initial 131I therapy. A hierarchical classification framework was designed: the first layer distinguished excellent response from non-excellent response (Non-ER), while the second layer further categorized Non-ER into indeterminate response, biochemical inc
СтатьяВалидационное исследованиеПолный 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.
Surface ozone pollution and drought are escalating threats to agroecosystem sustainability, yet their combined impacts on crop production remain poorly quantified, especially under future climate scenarios. Here, we apply an interpretable machine learning framework to assess the nonlinear interactions between ozone exposure, vapor pressure deficit (VPD), and other climate variables on U.S. soybean yields from 1981 to 2021. Using two severe drought years (1988 and 2012) as historical analogs reflecting pre- and post-ozone regulation and cultivar improvement contexts, we simulated soybean yield
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