Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2 750 с найденным полным текстом
Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver2026eng
Заражение вирусом Е (ГЭМ) по-прежнему является одной из основных причин отказа печени с высокой краткосрочной смертностью, однако прогнозные модели, включающие системные метаболические факторы, ограничены. AIMS: Мы стремились разработать модель машинного обучения, включающую системные метаболические параметры для прогнозирования смертности у пациентов с ГЭМ. МЕТОДЫ: В общей сложности 510 пациентов ГЭМ из двух медицинских центров были ретроспективно зачислены и сгруппированы в группы по обучению, внутренней проверке и внешней проверке. Метаболические параметры (общий холестерин, HDL, LDL и диаб
СтатьяВалидационное исследованиеМногоцентровое исследованиеПоиск полного текста в очередиМашинный перевод · не проверен
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.
Modeling drug-release kinetics from polysaccharide-coated oral controlled-release formulations remains challenging due to nonlinear diffusion–dissolution behavior, complex polymer–drug interactions, and the limited interpretability of conventional machine-learning approaches. In this study, we develop and validate a predictive framework for targeted colonic delivery of 5-aminosalicylic acid (5-ASA) from polysaccharide-coated solid oral dosage forms using Raman spectroscopy–derived molecular fingerprints and time-resolved dissolution data. The dataset comprises 155 formulation samples, each cha
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: To study whether a machine learning algorithm can effectively predict fetal genetic status, aneuploid or euploid, in cases of pregnancy loss, based solely on readily available clinical data. Accurate early prediction may enable improved clinical decision-making and personalized patient management.
DESIGN: Prospective multicenter cohort study within the Copenhagen Pregnancy Loss study, with a development cohort (n = 788) from Copenhagen University Hospital Hvidovre and external validation cohorts from Copenhagen University Hospitals Herlev (n = 229) and North Zealand (n = 199). Enro
СтатьяМногоцентровое исследованиеВалидационное 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.
We thank Liu et al. for their constructive comments on our article reporting the internal and external validation of a reduced-feature machine learning model for the prediction of preeclampsia-related adverse outcomes. The letter raises four points, which we address in turn. Regarding calibration and clinical utility, we generated calibration curves for the gradient-boosted tree model in both cohorts. Neither cohort shows a systematic, clinically concerning miscalibration pattern; deviations are concentrated at the extremes of the risk distribution, where observations are fewest. Brier scores
Письмо в редакциюПоиск 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: To explore the risk factors for concomitant anxiety in patients with malignant gastrointestinal tumors based on machine learning algorithms.
METHODS: A total of 280 patients with malignant gastrointestinal tumors admitted to the First Affiliated Hospital of Bengbu Medical University from November, 2022 to April, 2023 were enrolled, and the collected data were re-analyzed between November ,2024 and April, 2025. According to Hospital Anxiety and Depression Scale (HADS-A) anxiety scores, the patients were divided into anxiety group (HADS-A score≥8) and non-anxiety group (<8). Six mac
Аннотация на английскомСтатьяПоиск 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.
This study focused on developing a machine learning (ML) model to forecast the success of camouflage orthodontic treatment in individuals with skeletal Class III malocclusion and to identify significant predictors to aid treatment planning. A total of 100 adult patients who had skeletal Class III malocclusion and were treated with camouflage orthodontics were analyzed retrospectively. Treatment success was defined by an overjet exceeding 2 mm, proper canine relationship, and appropriate molar relationship (as applicable). Four machine learning algorithms (Random Forest, CART, Neural Network, a
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: The cooccurrence of posttraumatic stress disorder (PTSD) and opioid use heightens suicide risk. We aimed to develop and validate a machine learning-based suicide prediction model (SPM) to identify PTSD patients prescribed opioids who are at risk of suicide within 6-month prediction intervals.
METHODS: Using 2016-21 OneFlorida+ data, we compared the predictive performance of multiple models, including least absolute shrinkage and selection operator (LASSO) regression, gradient boosting machines (GBMs), random forest (RF), and deep neural networks (DNNs). The best-performing SPM was
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.
This study aimed to investigate the prevalence of screening-positive mild cognitive impairment (s-MCI) and to develop a parsimonious prediction model using machine learning methods to identify high-risk older adults in Wuhan, China. A total of 2,190 community-dwelling adults aged ≥ 60 years were recruited through multistage cluster sampling from 30 residential committees in 13 districts. MCI screening was conducted with the Community Screening Instrument for Dementia (CSI-D). The Least Absolute Shrinkage and Selection Operator (LASSO) was employed to select predictive variables, and multiple m
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.
IMPORTANCE: Postmastectomy breast reconstruction (PMBR) improves patients' quality of life, but patients often lack reliable, individualized information about complication risk. Machine learning (ML) can analyze complex clinical data to generate personalized risk estimates, facilitating shared decision-making.
OBJECTIVE: To develop and validate ML models trained on both structured data and manually abstracted variables from unstructured clinical notes to predict major complications after PMBR.
DESIGN, SETTING, AND PARTICIPANTS: This prognostic study used retrospective data from female patien
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: Sepsis-associated acute kidney injury (S-AKI) substantially increases mortality. The recent Phoenix criteria have redefined pediatric sepsis, yet AKI risk factors under this framework remain unclear. This study aimed to develop a machine learning (ML) model to identify key predictors of AKI in pediatric patients with sepsis as defined by the Phoenix criteria.
METHODS: This retrospective cohort study included 2424 pediatric patients with a diagnosis of sepsis, of whom 484 developed AKI according to Kidney Disease: Improving Global Outcomes criteria. Data from the first 24 hours of
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: To develop and validate machine learning models for predicting clinician-determined follow-up interval categories in home care services among older adults enrolled in the YASAM (Healthy Aging Team Supported Home Care Services) program.
DESIGN: Secondary analysis of a multicenter observational cohort study.
SETTING AND PARTICIPANTS: A total of 4783 community-dwelling adults aged ≥80 years enrolled in the YASAM program between 2023 and 2024.
METHODS: The primary outcome was follow-up frequency time, defined as the planned interval between consecutive face-to-face home care visits
СтатьяНаблюдательное 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.
Major depressive disorder (MDD) is a leading global health burden, yet only one-third of patients achieve remission with initial antidepressant therapy. Inflammatory biomarkers and epigenetic signatures such as DNA methylation have been implicated in treatment response, but their temporal predictive utility remains unclear. We analyzed 821 Korean patients with MDD from the MAKE BETTER study, integrating clinical variables, serum inflammatory biomarkers, and DNA methylation profiles into machine-learning models. Twelve-month remission was modeled as prospective prediction using baseline and wee
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: Chronic kidney disease (CKD) is a serious complication of type 2 diabetes (T2DM), particularly in low- and middle-income countries with limited access to early diagnosis. Predicting CKD risk using routine clinical data could enable earlier nephroprotective care. This study developed and internally validated a machine learning-based web application to predict incident CKD among T2DM patients in Indonesia's national health insurance program (Prolanis).
METHODS: A machine learning prediction model was conducted using BPJS Prolanis data (2017-2023). Adults (≥18 years) with T2DM and no
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.
University students are at risk of suicidal thoughts and behaviors (STB), with prevalence rates higher than those in the general population. Machine learning (ML) enhances the accuracy of STB prediction and provides new possibilities and explanatory frameworks for this issue. This study extends prior research in two ways: (1) by employing, for the first time, a sample of Taiwanese university students and (2) by synthesizing suicide-related theoretical knowledge and empirical findings to identify individual, risk, and protective factors. Based on these elements, a comprehensive ML-based predict
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: Brain metastasis (BM) in small cell lung cancer (SCLC) is typically associated with poor survival rates and quality of life, making the timely identification of patients with a high likelihood of BM at diagnosis crucial.
AIMS: To develop and validate a machine learning (ML) prediction model for BM in the overall SCLC population and provide an interpretable and clinically accessible risk assessment tool.
METHODS AND RESULTS: Univariate and multivariate logistic regression analyses were performed to identify BM-associated factors. Eight ML algorithms were applied to build the model
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.
OBJECTIVES: Atypical pulmonary carcinoid (AC) is a rare intermediate-grade neuroendocrine tumor with substantial clinical heterogeneity and an unpredictable prognosis. Accurate estimation of fixed-horizon mortality risk remains challenging because of its rarity and limited AC-specific prediction tools. This study aimed to develop and evaluate an interpretable model for estimating 3-year all-cause mortality in patients with AC.
METHODS: Clinical data for patients with AC diagnosed between 2000 and 2021 were retrospectively obtained from the Surveillance, Epidemiology, and End Results (SEER) da
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: Prolonged postoperative length of stay (PLOS) is associated with several clinical risks and increased medical costs. This study aimed to develop a prediction model for PLOS based on clinical features throughout pre-, intra-, and post-operative periods in patients undergoing laparoscopic gastrointestinal surgery. METHODS: This secondary analysis included patients who underwent laparoscopic gastrointestinal surgery in the FDP-PONV randomized controlled trial. This study defined PLOS as a postoperative length of stay longer than 7 days. All clinical features prospectively collected in
СтатьяВалидационное исследованиеРандомизированное 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: Bloodstream infections (BSIs) are a major cause of morbidity and mortality in Intensive Care Units (ICUs). Although blood cultures remain the diagnostic gold standard, their long turnaround time may hinder early risk warning. Early risk stratification using routinely available laboratory data may facilitate prompt clinical intervention. This study aimed to develop and validate machine learning (ML) models to predict the likelihood of BSIs in ICU patients based on laboratory tests obtained within the first 24 h of admission. METHODS: This was a retrospective, two-center cohort study
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.
OBJECTIVE: A total of 28% of global cardiac surgeries are performed in Latin America; however, surgeons there are faced with many preventable deaths, partly as the result of the lack of accurate, region-specific risk assessment tools. We developed an explainable machine learning (ML) model tailored to a multicenter Latin American cohort that outperformed European System for Cardiac Operative Risk Evaluation II and Society of Thoracic Surgeons scores in predicting postoperative mortality.
METHODS: We analyzed 8680 adult cardiovascular surgery cases (2010-2025) from 5 Latin American countries.
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 objective of this study is to construct an explainable machine learning predictive model for high intraoperative blood pressure variability(IBPV) based on preoperative characteristics, to enhance intraoperative circulatory management and surgical outcomes. This study utilized a retrospective observational design, employing the eXtreme Gradient Boosting (XGBoost) algorithm to create a predictive model for high IBPV. METHOD: The data for the study were obtained from the central operating room of a major hospital in Beijing, China, covering the period from March 2016 to April 2022
СтатьяНаблюдательное 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.
MedElevator
Войти в исследования