BACKGROUND: The prevalence of depression among older adults places a considerable strain on healthcare systems due to a shortage of psychiatrists for professional evaluations. This study reports a machine learning (ML) model to assist in screening for geriatric depression, enabling primary care practitioners to detect and respond to cases effectively and on time.
METHODS: Data from the 2011-2018 National Health and Nutrition Examination Survey (NHANES) were used. To identify relevant variables for depression screening, features were selected using Least Absolute Shrinkage and Selection Operat
СтатьяСравнительное 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.
OBJECTIVE: To develop an interpretable machine learning (ML) model using routine blood parameters for high myopia (HM) screening as a convenient and cost-effective alternative to traditional methods.
METHODS: This cross-sectional study enrolled 313 participants (158 HM and 155 non-HM). Blood parameters were comprehensively analysed, and features were selected via univariate analysis and Lasso regression. Eight ML algorithms were trained and validated using the selected features with bootstrap resampling to develop an HM diagnostic model. Model performance was evaluated by area under the curve
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.
Magnetic resonance imaging (MRI) is the gold standard for diagnosing disc displacement in temporomandibular joint (TMJ) disorders, but its high cost and practical challenges limit its accessibility. This study aimed to develop a machine learning (ML) model that can predict TMJ disc displacement using only cone-beam computed tomography (CBCT)-based radiomics features without MRI. CBCT images of 247 mandibular condyles from 134 patients who also underwent MRI scans were analyzed. To conduct three experiments based on the classification of various patient groups, we trained two ML models, random
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.
Rising cases of diabetes and AD are the two biggest health-related issues world-wide; this greatly hampers the quality of life among the afflicted persons. Early identification of diabetes most especially correlated with neurodegenerative conditions such as Alzheimer's guarantees early intervention and hence proper management. However, the existing approaches for disease detection have been suffering from a series of limitations in poor diagnostic accuracy, high computational complexity, and the lack of an effective model that could properly handle the intricate correlations between diabetes a
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: Urine cultures are frequently ordered tests with a low positivity rate. Development of a machine learning model to predict urine culture outcomes could not only reduce unnecessary urine cultures but also prevent preliminary antibiotic treatment, thereby improving the quality of diagnostic healthcare decision-making.
METHODS: An eXtreme Gradient Boosting (XGBoost) model to predict urine culture outcomes of adult patients was developed. Data was extracted from the electronic health records and laboratory information system of the Amsterdam University Medical Centers (Amsterdam UMC)
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: Returning to work is a critical indicator of recovery after acute myocardial infarction (AMI), and accurate identification of patients with low return-to-work rates is critical for timely intervention.
OBJECTIVES: To develop a machine learning (ML) model for predicting the return-to-work in AMI patients.
METHODS: A retrospective study of data from 539 AMI patients was conducted using the Incidence Rate of Heart Failure After Acute Myocardial Infarction With Optimal Treatment database. Patients were randomly divided into training cohort and validation cohort (7:3). Seven ML algori
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: Giant pituitary neuroendocrine tumors (GPitNETs) are challenging tumors with low rates of gross total resection (GTR) and high morbidity. Previously reported machine learning (ML) models for prediction of pituitary neuroendocrine tumor extent of resection (EOR) using preoperative imaging included a heterogenous dataset of functional and nonfunctional pituitary neuroendocrine tumors of various sizes leading to variability in results.
METHODS: A retrospective study of 100 large nonfunctioning GPitNETs (≥3 cm diameter, >10 cm³ volume) was conducted to develop predictive models for GT
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.
Zooplankton abundance prediction in surface water bodies is crucial because they reflect ecosystem health and have role in aquatic food webs and nutrient cycling. This study examined the applicability of machine learning algorithms to estimate zooplankton abundance in ponds using water quality parameters. Data on zooplankton abundance and water quality parameters were collected monthly. Multiple linear regression (MLR), support vector regression (SVR), random forest regression (RFR), multi-layer perceptron (MLP), and extreme gradient boosting (XGB), were used to observe the relation between zo
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: The purpose of this study is to develop predictive models for frailty risk among community-dwelling older adults in eastern China using machine learning techniques. This approach aims to facilitate early detection of high-risk individuals and inform the design of tailored interventions, with the ultimate goals of enhancing quality of life and mitigating frailty progression in the older adult population.
METHODS: This study involved 1,263 participants aged 60 years or older, who were selected through stratified cluster sampling. Frailty was assessed using the Tilburg Frailty Indicat
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.
To provide a reference for the initial diagnosis of clinical prostate cancer, we identified predictors and established a risk prediction model by analyzing a national Chinese prostate tumor dataset. Average value was used to interpolate the data from a prostate cancer dataset provided by the National Population Health Data Center of China. Factor screening was performed using the Kruskal-Wallis test and binary logistic regression. A multicollinearity analysis was performed on the variables. Cleaned data were divided into training and test datasets. Seven machine learning models and the 3 tradi
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: The chronic kidney disease (CKD) patients were at high risk for severe clinical complications during the COVID-19 pandemic. Our objectives were to evaluate comorbidity prevalence; predict mortality risks for CKD patients during the pandemic; assess how various health factors interact to influence mortality; and provide insights for targeted prevention strategies.
METHOD: We analysed data from 186,396 CKD patients in Mexico during the entire pandemic (Jan 2020- May 2023). Explainable artificial intelligence (XAI) methods with extreme gradient boosting (XGBoost) models and Shapley A
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.
BACKGROUND: Machine learning (ML) and artificial intelligence (AI) have demonstrated powerful functionality in the healthcare setting thus far. We aimed to construct an AI model to predict postoperative incontinence after enucleation surgery for benign prostatic hyperplasia (BPH).
METHODS: Data were taken from two BPH registries and split into training and validation datasets. The following characteristics were used as predictors of incontinence: age, prostate volume, preoperative IPSS, QoL score, Qmax and post-void residual; presence of preoperative indwelling catheter, early apical release
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.
Treatment resistance prevents patients with preoperative chemoradiotherapy or targeted radiolabeled immunotherapy from achieving a good result, which remains a major challenge in the prostate cancer (PCa) area. A novel integrative framework combining a machine learning workflow with proteogenomic profiling was used to identify predictive ultrasound biomarkers and classify patient response to radiolabeled immunotherapy in high-risk PCa patients who are treatment resistant. The deep stacked autoencoder (DSAE) model, combined with Extreme Gradient Boosting, was designed for feature refinement and
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: Neonatal activity is an important physiological parameter in the neonatal intensive care unit (NICU). The degree of neonatal activity is associated with under and over-sedation and may also indicate the onset of disease. Activity may also cause motion noise on physiological signals leading to false readings of important parameters such as heart rate, respiratory rate or oxygen saturation or, in extreme cases, a failure to calculate the parameter at all. Here we report on a novel neonatal activity monitoring technology we have developed using a Random Forest machine learning algorithm
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.
GOAL AND AIMS: One challenge using wearable sensors is nonwear time. Without a nonwear (e.g., capacitive) sensor, actigraphy data quality can be biased by subjective determinations confounding sleep/wake classification. We developed and evaluated a machine learning algorithm supplemented by dynamic features to discern wear/nonwear episodes.
FOCUS TECHNOLOGY: Actigraphy data from wrist actigraph (Spectrum, Philips-Respironics).
REFERENCE TECHNOLOGY: The built-in nonwear sensor as "ground truth" to classify nonwear periods using other data, mimicking features of Actiwatch 2.
SAMPLE: Data 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.
The rising prevalence of cardiometabolic multimorbidity (CMM), characterized by the coexistence of two or more cardiometabolic disorders, poses a significant public health challenge in aging populations. While ambient air pollution is a recognized environmental risk factor, its long-term impact on CMM remains underexplored, particularly in China. Utilizing data from the China Health and Retirement Longitudinal Study (CHARLS, 2015 wave), we analyzed 9,830 participants aged ≥ 45 years. CMM was defined as the concurrent presence of two or more conditions: diabetes/hyperglycemia, cardiovascular di
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: Classification based on the existence and severity of blood eosinophilia via machine learning (ML) may provide novel insights into the pathophysiology of chronic rhinosinusitis (CRS).
METHODS: Key features of CRS with blood eosinophilia were investigated through exploratory data analyses and ML, focusing on the existence (Setting-1: absolute eosinophil count [AEC] cutoff: 500/µL) and severity (Setting-2: AEC cutoffs: 500 and 1500/µL) of blood eosinophilia. Four ML models were tested for each setting; SHapley Additive exPlanations (SHAP) was applied to identify key classification f
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: This study aimed to develop machine learning (ML) models to predict HIV status and assessed the factors associated with HIV infection among young men who have sex with men (MSM) under the Universal Health Coverage (UHC) programme in Thailand.
METHODS: Young MSM aged 15-24 years who underwent HIV testing through the UHC programme from 2015 to 2022 were included. Data were divided into training (70%) and testing (30%) sets, with the Synthetic Minority Oversampling Technique (SMOTE) applied to address data set imbalance. ML models, including logistic regression, k-nearest neighbour (K
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.
Spaceflight associated neuro-ocular syndrome (SANS) is one of the largest physiologic barriers to spaceflight and requires evaluation and mitigation for future planetary missions. As the spaceflight environment is a clinically limited environment, the purpose of this research is to provide automated, early detection and prognosis of SANS with a machine learning model trained and validated on astronaut SANS optical coherence tomography (OCT) images. In this study, we present a lightweight convolutional neural network (CNN) incorporating an EfficientNet encoder for detecting SANS from OCT images
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: Plasma cell-free DNA (cfDNA) fragmentomics has demonstrated significant differentiation power between cancer patients and healthy individuals, but little is known in pancreatic and biliary tract cancers. The aim of this study is to characterize the cfDNA fragmentomics in biliopancreatic cancers and develop an accurate method for cancer detection.
METHODS: One hundred forty-seven patients with biliopancreatic cancers and 71 non-cancer volunteers were enrolled, including 55 patients with cholangiocarcinoma, 30 with gallbladder cancer, and 62 with pancreatic cancer. Low-coverage whol
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