OBJECTIVE: Machine learning (ML) algorithms are now widely used in predicting acute events for clinical applications. While most of such prediction applications are developed to predict the risk of a particular acute event at one hospital, few efforts have been made in extending the developed solutions to other events or to different hospitals. We provide a scalable solution to extend the process of clinical risk prediction model development of multiple diseases and their deployment in different Electronic Health Records (EHR) systems.
MATERIALS AND METHODS: We defined a generic process for c
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.
BackgroundIn order to estimate utilities for cancer studies where the EQ-5D was not used, the EORTC QLQ-C30 can be used to estimate EQ-5D using existing mapping algorithms. Several mapping algorithms exist for this transformation, however, algorithms tend to lose accuracy in patients in poor health states. The aim of this study was to test all existing mapping algorithms of QLQ-C30 onto EQ-5D, in a dataset of patients with malignant pleural mesothelioma, an invariably fatal malignancy where no previous mapping estimation has been published.MethodsHealth related quality of life (HRQoL) data whe
Полный текст 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: To derive and validate a predictive algorithm integrating clinical and laboratory parameters to stratify a full-term neonate's risk level of having bacterial meningitis (BM).
METHODS: A multicentered dataset was categorized into derivation (689 full-term neonates aged ≤28 days with a lumbar puncture [LP]) and external validation (383 neonates) datasets. A sequential algorithm with risk stratification for neonatal BM was constructed.
RESULTS: In the derivation dataset, 102 neonates had BM (14.8%). Using stepwise regression analysis, fever, infection source absence, neurological man
СтатьяМногоцентровое исследованиеПоддержка исследования: вне правительства СШАВалидационное 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: Erectile dysfunction (ED) is a significant complication following penile fracture repair, and early prediction is critical for clinical management.
AIM: To evaluate the effectiveness of machine learning (ML) algorithms in predicting the development of severe ED after penile fracture repair and to identify complex risk factors beyond the scope of traditional statistical methods.
METHODS: A retrospective analysis was conducted using data from 547 patients who underwent surgical repair for penile fracture between January 2020 and June 2024 at 23 urology centers affiliated with the R
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: Understanding and categorizing fetal health is an influential field of research that profoundly impacts the well-being of both mother and child. The primary desire to precisely examine and cure fetal disorders during pregnancy to enhance fetal and maternal outcomes is the driving force behind the classification of fetal health. Fetal cardiac abnormalities (structural or functional) need immediate doctor attention, and their early identification and detection in all stages of pregnancy can help doctors with the timely treatment of the mother and the unborn child by enabling appropriate
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.
In micellar liquid chromatography (MLC), the addition of a surfactant to the mobile phase in excess is accompanied by an alteration of its solubilising capacity and a change in the stationary phase's properties. As an implication, the prediction of the analytes' retention in MLC mode becomes a challenging task. Mixed Quantitative Structure - Retention Relationships (QSRR) modelling represents a powerful tool for estimating the analytes' retention. This study compares 48 successfully developed mixed QSRR models with respect to their ability to predict retention of aripiprazole and its five impu
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.
Quantitative prediction of drug removal by hemodialysis is essential for rational dose design in patients with renal failure. We aimed to develop a machine learning-based quantitative structure-pharmacokinetic relationship (QSPKR) model to predict hemodialysis clearance (CLHD) using molecular descriptors and dialysis conditions. CLHD data were compiled from published clinical studies, yielding a dataset comprising 46 compounds; 457 measurements; 7 dialysis membrane types; and dialysis parameters, including blood flow rate (QB) and dialysate flow rate (QD). Recursive feature elimination reveale
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.
We developed machine-learning models to predict isocitrate dehydrogenase (IDH) mutation status in acute myeloid leukemia (AML) from gene expression profiles and to reconstruct missing IDH annotations across public datasets. Transcriptomic data from 19 cohorts (5844 samples) were harmonized using batch correction, and 1546 samples with known IDH status were used to train a feed-forward neural network and a logistic regression (LR) classifier within a nested cross-validation framework, followed by independent validation in the TCGA-LAML dataset. The LR model showed superior performance, achievin
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: Complex Post-Traumatic Stress Disorder (CPTSD) is a significant mental health concern in adolescents, however traditional diagnostic tools often fail to capture early risk patterns. Adolescence is a unique developmental window marked by neurobiological remodeling and heightened interpersonal sensitivity. This study aims to move beyond binary clinical diagnosis toward a subclinical prevention framework by predicting continuous CPTSD symptom severity using multidimensional ecological data.
METHODS: The data were collected from a triad of 4177 Chinese adolescents and their parents. 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.
The global education system comprises many technical and non-technical institutions. The selection of an institute plays a very important role in shaping the career of a student. With such a massive number of choices out there, the decision of which institution to go to will be a huge challenge for parents as well as students. Unexpected events such as the Covid-19 pandemic even disrupted global higher education highlighting infrastructural gaps and pedagogical limitations in knowledge delivery through sudden transitions to remote learning. Institutions were financially unstable with reduction
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.
Heart failure after acute myocardial infarction (post-MI HF) has become a major global health problem. Accurate risk prediction is essential for optimising management and preventing post-MI HF. However, existing models rely mainly on resting-state clinical examinations and inadequately reflect the complex pathophysiology of post-MI HF. We aimed to develop and validate a multimodal machine learning (ML) model incorporating cardiopulmonary exercise testing (CPET) data to predict post-MI HF risk and to quantify CPET's incremental value.This study included 3172 acute myocardial infarction (AMI) pa
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.
BACKGROUND: Breast cancer prognosis is influenced by diverse clinical factors, necessitating advanced predictive tools for personalized treatment. This study developed machine learning models to predict adverse outcomes in breast cancer patients using comprehensive clinical data. METHODS: We analyzed data from 4,242 patients (3,836 with stable progression and 406 with adverse outcomes) at a single institution. Feature selection via univariate/multivariate analysis and machine learning importance ranking identified 10 key predictors, including metastasis stage, hospitalization duration, total h
СтатьяВалидационное 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: Inter-individual variability in lipid response to dietary interventions complicates cardiometabolic prevention in overweight and obese women. Although several dietary strategies improve lipid profiles on average, predictors of comprehensive, multi-marker lipid improvement remain unclear. Objective: To identify baseline clinical predictors of comprehensive lipid improvement across seven dietary interventions and to evaluate the performance of three machine learning (ML) classifiers in predicting a composite Global Score. Methods: This secondary analysis pooled individual-level data
СтатьяРандомизированное 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: Postoperative nausea and vomiting (PONV) prolongs hospitalization and reduces patient satisfaction. Identifying high-risk elderly patients requires accurate absolute risk assessments, yet existing tools often lack probability calibration and transparency.
METHODS: We included 1216 elderly patients undergoing elective hip or knee surgery. To strictly prevent data leakage, the dataset was partitioned into training, validation, and independent test sets in a 7:1:2 ratio prior to any imputation or feature selection. Following the systematic hyperparameter optimization of 12 distinct m
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.
Parkinson's disease (PD) is a neurodegenerative disorder characterized by motor and non-motor symptoms, including tremor, rigidity, and postural instability. Machine learning (ML) models have shown promise for the diagnosis of PD; however, many existing approaches do not explicitly address fairness and robustness. As a result, these models can lead to biased outcomes across demographic groups and vulnerability to adversarial attacks. In this study, we used the Parkinson's Progression Markers Initiative (PPMI) cohort, which includes clinical and demographic information from 1,084 participants s
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: Cardiac surgery carries a significant risk of complications and mortality. Artificial intelligence (AI), particularly machine learning (ML), is increasingly being explored to enhance perioperative risk prediction and support clinical decision-making. This systematic review evaluates the clinical applications, predictive performance, and limitations of AI models in cardiac surgery.
METHODS: PubMed and Embase were searched for studies published between January 2020 and July 2025. Of 939 records identified, 178 studies met the inclusion criteria following screening and full-text revie
СтатьяСистематический обзорПоиск 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.
Diabetes mellitus is associated with increased skeletal fragility and elevated fracture risk; however, early identification of osteoporosis (OP) in diabetic populations remains challenging. This study aimed to develop and compare multiple machine-learning (ML) models for predicting OP among patients with diabetes, while evaluating their clinical utility and enhancing model transparency using SHapley Additive exPlanations (SHAP). Using routinely collected demographic and laboratory data from the MIMIC-IV database, multiple ML algorithms, including tree ensembles, gradient boosting, and linear b
СтатьяVideo-Audio MediaПоддержка 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: Accurate prognostication in elderly patients with aneurysmal subarachnoid hemorrhage (aSAH) remains challenging due to high morbidity and mortality. This study aimed to develop and externally validate interpretable machine learning (ML) models for predicting 12-month functional outcomes.
METHODS: Data from 426 consecutive elderly aSAH patients at the primary center were randomly split into a training cohort (n = 298, 70%) and an internal test cohort (n = 128, 30%). An independent external validation cohort (n = 41) was obtained from a collaborating tertiary medical center. Feature
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.
BACKGROUND: Vascularized composite allotransplantation (VCA) enables functional and aesthetic restoration after devastating tissue loss. Yet, data-driven profiling of VCA recipients remains scarce. Identifying demographic and procedural patterns may improve transplant recipient selection, program planning, and perioperative care.
METHODS: VCA procedures in the Organ Procurement and Transplantation Network (OPTN, 1998-2023) were preprocessed, imputed, and clustered using weighted HDBSCAN. Resulting cluster patterns, temporal and geographic trends were analyzed. ARIMA models were applied to for
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: Type 2 diabetes mellitus (T2DM) is a major global public health challenge, with many individuals remaining undiagnosed until complications develop. Machine learning (ML)-based risk prediction models have the potential to support early identification of individuals at increased risk using primary care data. However, the characteristics and applicability of these models within primary care settings have not been comprehensively mapped.
OBJECTIVE: To systematically map the available evidence on machine learning (ML)-based models for risk prediction, early detection, and case-finding
СтатьяScoping ReviewОбзорПоиск 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