OBJECTIVE: Assessing opioid use disorder risk in patients prescribed long-term opioid therapy for management of chronic non-cancer pain is critical for prevention and early intervention.
DESIGN: Case-control study.
SETTING: Pain management and primary care clinics, and substance use treatment facilities.
SUBJECTS: Participants are 1300 patients with chronic non-cancer pain (59.68% women; mean age = 49.03 years), 409 of whom developed opioid use disorder.
METHODS: We compared the performance of 3 machine learning models that used the Opioid Risk Tool for Opioid Use Disorder alone with those
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 AND PURPOSE: Muscle loss during adjuvant radiotherapy is associated with poor survival outcomes in patients with oral cavity cancer (OCC). This study aimed to develop and validate an explainable machine learning model to predict muscle loss.
MATERIALS AND METHODS: This study included 1,024 patients with OCC (derivation cohort, 636 patients; external validation cohort, 388 patients) who underwent surgery and adjuvant radiotherapy between 2010 and 2021. Muscle mass was measured using computed tomography at the C3 vertebral level before and after radiotherapy, with "muscle loss" defin
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.
Under global climate change, sand and dust storms (SDS) in Northern China have exhibited new spatiotemporal evolution characteristics. To investigate SDS driving mechanisms, this study integrated multi-source remote sensing and reanalysis data (2005-2024), employing SHapley Additive exPlanations (SHAP), receiver operating characteristic curve analysis method, and the extreme gradient boosting machine learning model. The results indicated that SDS frequency increased significantly after 2015, with a 47.6% rise in annual events (from 4 to 6 events/year), while high-intensity events declined from
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.
Urban flooding, driven by rapid urbanization and climate change, poses a critical challenge to resilient urban development. Although low-impact development (LID) practices are effective for mitigating flood hazards, identifying optimal LID combinations across heterogeneous land-use settings requires computationally efficient decision-support approaches. This study presents an optimization framework that couples a personal computer storm water management model (PCSWMM)-driven machine learning surrogate model with a genetic algorithm (GA) to identify optimal land-use-specific combinations of LID
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 AND PURPOSE: Early identification of large vessel occlusion due to underlying intracranial atherosclerotic disease (ICAD-LVO) in acute ischemic stroke (AIS) is crucial to determine optimal treatment strategies. We aimed to develop and evaluate machine learning (ML) models to predict ICAD-LVO based on variables, including basic patient information, medical history, neurological findings, and imaging data, which are commonly assessed in stroke management prior to endovascular therapy (EVT).
METHODS: This study is a retrospective cohort study using data from the prospective multicente
СтатьяВалидационное исследованиеМногоцентровое 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.
PURPOSE: This study aimed to develop and internally validate postoperative prognostic models for long-term functional outcomes in patients with spontaneous intracerebral hemorrhage (sICH) following hematoma evacuation, and to compare the performance of traditional logistic regression (LR) with machine learning (ML) algorithms in a limited sample size setting.
METHODS: A retrospective cohort of 185 ICH patients who underwent stereotactic surgery was analyzed. Four key predictors-age, admission Glasgow Coma Scale (GCS) score, ICH grade, and hematoma clearance ratio-were selected using Least Abs
СтатьяСравнительное 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.
BACKGROUND: Organ-preserving strategies are increasingly used in rectal cancer for those achieving a pathological complete response (pCR) following chemoradiotherapy (CRT). In locally advanced rectal cancer (LARC), CRT may not significantly impact local recurrence or overall survival when an R0 resection is feasible. Accurate pretreatment prediction of pCR is critical to assist patients in deciding on CRT when it may not be oncologically required. The initial phase of the ongoing INTERCEPTOR study evaluated whether machine learning (ML) models using pretreatment clinical variables could improv
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.
Differentiating bacterial from viral infections in febrile young infants is challenging, particularly in dengue-hyperendemic regions. We developed and internally validated a clinical machine-learning model to enhance diagnostic accuracy in this risk population in Colombia. We retrospectively analyzed a pediatric infectious admission cohort (<18 years) at a reference hospital in southern Colombia from 2007 to 2019. 4671 admissions (2251 bacterial and 2420 viral) were included. Nine clinical and laboratory variables were used to train an eXtreme Gradient Boosting (XGBoost) classifier. We divided
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: Supraclavicular brachial plexus block is a commonly used regional anesthesia technique for upper extremity surgeries. The addition of adjuvants to local anesthetics enhances the duration and quality of anesthesia. Recently, Machine Learning (ML) has emerged as a tool for predictive modeling in medicine, including pain management. This study investigates the predictive capability of a K-Nearest Neighbor (KNN) ML model for analgesic duration using different drug combinations. METHODS: A prospective randomized controlled trial was conducted on 60 patients scheduled for upper limb surg
СтатьяРандомизированное 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.
Acute pancreatitis (AP) is a common disease, and severe acute pancreatitis (SAP) has a high morbidity and mortality rate. Early recognition of SAP is crucial for prognosis. This study aimed to develop a novel liquid neural network (LNN) model for predicting SAP. This study retrospectively analyzed the data of AP patients admitted to the Second Affiliated Hospital of Guilin Medical University between January 2020 and June 2024. Data imbalance was dealt with by data preprocessing and using the synthetic minority oversampling technique (SMOTE). A new feature selection method was designed to optim
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.
OBJECTIVES: To develop and validate an ultrasonography-based machine learning (ML) model for predicting malignant endometrial and cavitary lesions.
METHODS: This retrospective study was conducted on patients with pathologically confirmed results following transvaginal or transrectal ultrasound from 2021 to 2023. Endometrial ultrasound features were characterized using the International Endometrial Tumor Analysis (IETA) terminology. The dataset was ranomly divided (7:3) into training and validation sets. LASSO (least absolute shrinkage and selection operator) regression was applied for feature
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 develop a machine learning-based model for predicting the clinical efficacy of acupuncture intervention in patients with upper limb dysfunction following ischemic stroke, and to assess its potential role in guiding clinical practice.
METHODS: Data from 1,375 ischemic stroke patients with upper limb dysfunction were collected from two hospitals, including medical records and Digital Subtraction Angiography (DSA) reports. All patients received standardized acupuncture treatment. After screening, 616 datasets were selected for analysis. A prediction model was developed using the Au
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.
OBJECTIVES: Sufficient attention has not been given to machine learning (ML) models using longitudinal data for investigating important predictors of new onset of hypertension. We investigated the predictive ability of several ML models for the development of hypertension.
METHODS: A total of 15 965 Japanese participants (men/women: 9,466/6,499, mean age: 45 years) who received annual health examinations were randomly divided into a training group (70%, n = 11,175) and a test group (30%, n = 4,790). The predictive abilities of 58 candidates including fatty liver index (FLI), which is calculat
СтатьяСравнительное 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.
Heart failure (HF) remains a significant public health challenge with high mortality rates. Machine learning (ML) techniques offer a promising approach to predict HF mortality, potentially improving clinical outcomes. However, the effectiveness of these techniques heavily depends on the quality and relevance of the features used. This study introduces a novel hybrid feature selection methodology that combines Extremely Randomized Trees (Extra-Trees) and non-linear correlation measures to enhance 1-year all-cause mortality prediction in HF patients using echocardiographic and key demographic da
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.
OBJECTIVE: To compare the performance of predictive models for cardiovascular event (CVE) in patients undergoing peritoneal dialysis (PD) based on machine learning algorithm and Cox proportional hazard regression.
METHODS: This study included patients underwent PD catheterization in our center from January 1, 2010, to July 31, 2022. The patients were randomly divided into training and validation sets in a 7:3 ratio. Cox regression, extreme gradient boosting (XGBoost), and random survival forest (RSF) models were developed using the training set and validated using the validation set. The time
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: Numerous risk factors for the development of obesity have been identified, yet the aetiology is not well understood. Traditional statistical methods for analysing observational data are limited by the volume and characteristics of large datasets. Machine learning (ML) methods can analyse large datasets to extract novel insights on risk factors for obesity. This study predicted adults at risk of a ≥10% increase in index body mass index (BMI) within 12 months using ML and a large electronic medical records (EMR) database.
MATERIALS AND METHODS: ML algorithms were used with EMR from Optum'
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.
Climate change has intensified the occurrence of sand and dust storms (SDS), contributing to an increasing public health burden. However, limited evidence exists on the long-term impact of SDS exposure on the incidence of cardiometabolic diseases (CMDs). In this study, we analyzed data from a population-based cohort of 2,260,855 individuals in Northwestern China (2019-2023). Individual-level SDS exposure over a three-year period was estimated using three machine learning models, with extreme gradient boosting demonstrating the best predictive performance. An Accelerated Failure Time (AFT) mode
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: The lack of a rapid, validated, consistent test for tracking disease activity in patients with inflammatory bowel disease (IBD) is currently a major challenge. Currently used biomarkers have notable disadvantages, such as the slow processing (faecal calprotectin) and the lack of specificity (bloodwork). White blood cell (WBC) subsets, also known as 'the differential', are commonly obtained in evaluating IBD patients, but there is minimal evidence on how these subsets relate to disease activity. Given the interplay between immune cells, it is possible that complex patterns in WBC sub
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.
Frailty is a geriatric condition with multidimensional consequences that strongly affect older adults' quality of life. The lack of a universal standard to describe, diagnose, and treat frailty further complicates this situation. Nowadays, multitudinous frailty assessment tools are applied depending on the regional and clinical context, adding complexity by increasing heterogeneity in the definition and characterization of frailty. Better insights into the causes and pathophysiology of frailty and its early stages are required to establish strong and accurately tailored treatment rationales fo
СтатьяПоддержка 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.
The global increase in dementia cases highlights the importance of early detection and intervention, particularly for individuals at risk of mild cognitive impairment (MCI), a precursor to dementia. The aim of this study is to develop and validate machine learning (ML) models based on non-imaging features to predict the risk of MCI conversion in cognitively healthy older adults over a three-year period. Using data from 845 participants aged 65 to 87 years, we built five eXtreme Gradient Boosting (XGBoost) models of increasing complexity, incorporating demographic, self-reported, medical, and c
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.
MedElevator
Войти в исследования