Laccases are multi-copper oxidase enzymes that oxidize a wide range of aromatic and non-aromatic compounds using molecular oxygen, producing water as the sole byproduct and making them attractive biocatalysts for green chemistry. However, the ability of laccases to oxidize specific substrates depends on a complex interplay of molecular structure, enzyme properties, redox potential, and environmental context, making laccase-substrate compatibility hard to predict. We apply machine learning models to pre-screen laccase-substrate combinations, streamlining experimental workflows. We evaluate four
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: Epilepsy affects approximately 50 million people worldwide. While AI-driven seizure prediction shows technical promise, the transition from experimental prototypes to clinical tools is hindered by a significant 'bench-to-bedside' gap Current translation remains constrained by limited generalisability and the absence of standardised evaluation for real-world deployment.
OBJECTIVES: This systematic review evaluates the operational readiness of artificial intelligence (AI) models for real-time epileptic seizure prediction and examines architectural performance alongside deployment-cr
Систематический обзорСтатьяПолный 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: Gestational diabetes mellitus (GDM) affects 15-25% of pregnancies worldwide and poses serious risks of macrosomia, preeclampsia, neonatal hypoglycaemia, and long-term type 2 diabetes. Existing machine learning models lack prospective multi-site external validation and formal physician trust evaluation, limiting real-world applicability.
OBJECTIVES: To develop a clinically validated, explainable deep learning framework for GDM prediction using routinely available first-antenatal-visit clinical features, and to evaluate clinical readiness through dual-stage physician-in-the-loop (PI
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.
Accurate prediction of treatment response and selection of optimal treatments remain challenging in epilepsy management. With no reliable surrogate biomarkers for treatment response, the current process of selecting an antiseizure medication remains largely a trial-and-error approach. Other non-pharmacological treatment options, such as epilepsy surgery, are viable alternatives for patients with drug-resistant epilepsy. Statistical and machine learning techniques have been used to predict seizure outcomes associated with antiseizure medications and epilepsy surgery. Recent breakthroughs in dee
СтатьяОбзорПоддержка 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 systematic review evaluated the methodological quality, predictive performance, risk of bias, and clinical applicability of prediction models for disease progression and postoperative outcomes in degenerative cervical myelopathy (DCM), aiming to provide evidence for model optimization and clinical translation.
METHODS: PubMed, Embase, and Web of Science were searched from inception to May 2026. Original studies developing or validating DCM prediction models were included. Data extraction followed CHARMS, risk of bias was assessed using PROBAST, and reporting quality was evalua
СтатьяСистематический обзорПолный 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.
OBJECTIVES: Predictive models are increasingly used to support the clinical management of dengue, but their performance varies widely across settings. We aimed to evaluate multivariable prediction models for dengue severity, mortality, and hospitalization, and to summarize the predictors most consistently associated with these outcomes.
METHODS: We searched five databases for studies that developed or validated multivariable models predicting severity, hospitalization, or mortality in dengue populations. Two reviewers independently selected studies and extracted data, and risk of bias was ass
СтатьяСистематический обзорМетаанализПолный 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 number of unimodal molecule representation constantly increases, and researchers investigate how to combine them. Intuitively, multimodal representations may provide complementary information and combining them promises better performance. In this work, we systematically explore how combining multiple molecular modalities affects the performance of downstream prediction tasks, providing a baseline for informed decision making. Our study covers 7 molecular modalities and combines them using intermediate and late fusion, and 2 neural network architectures (with or without using knowledge gra
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: A substantial proportion of adults with locally advanced gastric cancer derive limited benefit from neoadjuvant chemotherapy (NAC), with a non-response rate of 30%-50%. Artificial intelligence (AI) models that integrate imaging, pathology and clinical data seek to predict pretreatment NAC response to guide decision-making. We conducted a systematic review and meta-analysis to evaluate the predictive performance of AI models for NAC response in adults with gastric cancer.
DESIGN: Systematic review and meta-analysis in accordance with Preferred Reporting Items for Systematic Reviews
СтатьяСистематический обзорМетаанализПоиск 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.
BackgroundWe evaluated the association between small dense low-density lipoprotein (sdLDL) and peripheral artery disease (PAD) and developed prediction models using NHANES 1999-2004.MethodsThis weighted cross-sectional study included 3,415 participants (3,227 without PAD and 188 with PAD). PAD was defined by ankle-brachial index (ABI) <0.90; participants with ABI ≥1.40 or missing ABI were excluded. Survey-weighted logistic regression assessed the association between sdLDL and PAD. For machine learning, complete-case data (n=2,828) were split into training (70%) and test (30%) sets before featu
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: Elevated levels of Ki-67 are commonly linked to more aggressive tumors and worse clinical prognosis. Thus, this study was performed with the aim of developing and validating a machine learning (ML) model to preoperatively identify the expression of Ki-67 within PAs. METHODS: Clinical information was collected from individuals with PAs treated at Weifang People's Hospital between 2019 and 2023. The dataset was split randomly into training and validation sets, utilizing a 3:1 allocation. In the training set, variables markedly correlated with high Ki-67 expression were selected throu
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.
INTRODUCTION: Clostridioides difficile infection (CDI) presents a significant challenge in patients with inflammatory bowel disease (IBD), with high recurrence rates and complications. Predicting recurrent CDI (rCDI) in patients with IBD is crucial for implementing targeted interventions to improve patient outcomes. This study aimed to develop and validate a predictive model (RecurCDI-IBD) using supervised machine learning to identify patients with IBD at high risk of developing rCDI.
METHODS: Data were collected from adult patients with IBD diagnosed with CDI between 2013 and 2021. Inclusion
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: Hypertension, a leading global cause of death with high prevalence and poor control, faces a critical issue of poor medication adherence. Existing predictive models for medication adherence suffer from limitations such as small sample sizes, insufficient inclusion of multiple factors, and a lack of nationally representative longitudinal data on the Chinese population.
AIM: This study aimed to develop an interpretable machine learning model for predicting medication adherence among Chinese hypertensive patients.
METHOD: Using data from the China Health and Retirement Longitudina
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.
PURPOSE: Breast cancer related lymphedema (BCRL) is a frequent postoperative complication that can substantially impair physical function and quality of life. While objective detection tools such as bioimpedance spectroscopy and imaging are accurate, they are resource intensive and difficult to deploy at scale in routine clinical workflows. Early identification of patients at elevated risk using routinely available clinical data may enable timely surveillance and intervention. METHODS: We developed a comparative machine learning framework for postoperative BCRL risk prediction using routinely
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.
Accurate prognostic prediction remains a critical unmet need in advanced hepatocellular carcinoma (HCC). While machine learning (ML) models have demonstrated value in outcome prediction, the ability of large language models (LLMs) to perform structured clinical prognostic tasks remains unclear. In this multicenter retrospective study, 1031 patients with HCC receiving interventional therapy combined with targeted treatment were analyzed and randomly divided into training (n = 717) and test (n = 314) cohorts. Six ML algorithms were developed and compared with two LLMs (ChatGPT-4o and DeepSeek-v3
СтатьяМногоцентровое 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: The anaerobic commensal Fusobacterium nucleatum is scarce in healthy subgingival dental biofilms but is highly prevalent in periodontal pockets. Numerous genome-wide association studies and gene expression studies using microarrays or RNA sequencing (RNA-Seq) have been performed to better understand the genetic architecture of periodontal disease. However, these investigations have limited predictive capacity for identifying RNAs, particularly non-coding RNAs (ncRNAs). The mechanism of regulation of ncRNAs by F. nucleatum to alter disease progression in mice has not been thoroughly
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: Lung transplantation is an important therapeutic option for patients with end-stage chronic obstructive pulmonary disease. However, post-transplantation hospitalizations are associated with substantial cost variation. Accurately predicting high in-hospital expenditures is essential for optimizing clinical management and healthcare resource allocation. METHODS: This study utilized the Nationwide Inpatient Sample database (2005–2014) to identify adult patients who underwent lung transplantation. After rigorous data preprocessing, seven post-discharge or manually coded variables were
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.
Artificial Intelligence (AI) and Clinical Practice Guidelines (CPGs) both aim to support clinical decision-making but may provide conflicting suggestions. This manuscript presents a Guideline-Aligned Machine Learning (GAML) model to predict ondansetron administration at the end of anaesthesia, based on Gan et al.'s Fourth Consensus Guidelines for the Management of Postoperative Nausea and Vomiting (PONV). n= 16,240 anaesthesia protocols were analysed for risk factors and administered PONV prophylaxes. Logistic regression, multinomial naïve Bayes, and CatBoost classifiers were trained on 80% 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 AND AIMS: Identifying employees at risk for work addiction is critical for early intervention, yet systematic screening approaches face practical challenges for organizations. This study compared two screening strategies: a demographic-only model that requires no additional data collection versus a psychosocial model that incorporates job satisfaction and job stress assessments.
METHODS: We analyzed data from employees across 85 countries or territories. Dataset 1 (psychosocial model, n = 22,136) included demographic, occupational, and psychosocial variables. Dataset 2 (demographic
СтатьяСравнительное 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.
Post-operative acute kidney injury (PO-AKI) is a frequent complication after non-cardiac surgery, substantially increasing patients' mortality and morbidity rates. Early identification of patients at high risk of PO-AKI could facilitate improved patient care. We investigated a large, single-center database of 13,890 patients undergoing non-cardiac surgery, of whom 1,718 (12.37%) developed PO-AKI. Based on 62 pre-, intra- and postoperative patient characteristics, including time-series mean arterial pressure measurements, we trained and validated eight different machine learning (ML) algorithms
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.
Sarcopenic obesity (SO) imposes a heavy medical burden on both individuals and society, highlighting the importance of early identification and timely intervention. This study aims to construct a clinical prediction model based on machine learning (ML) methods to assist in the early screening of SO. Data from the National Health and Nutrition Survey from 2011 to 2018 were used for model development. The included data were randomly divided into a training set and an internal test set with a ratio of 7:3. Eight ML methods - logistic regression, decision tree, neural network, K-nearest neighbor,
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.
MedElevator
Войти в исследования