BACKGROUND: Acute kidney injury (AKI) is a significant concern among hospitalized patients receiving aminoglycosides. Identifying the risk factors associated with aminoglycoside-induced AKI and developing machine learning models are imperative in clinical practice.
OBJECTIVE: This study aims to identify the risk factors associated with AKI in hospitalized patients receiving aminoglycosides, and develop machine learning models for evaluation of the AKI risk in these patients.
METHODS: This study retrospectively analyzed 7,028 hospitalized patients who received treatment with amikacin or etimi
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: In cardiovascular patients, precise risk stratification is crucial for minimizing exercise-related risks and optimizing treatment efficacy during cardiac rehabilitation. Existing classification criteria vary among organizations, necessitating a comprehensive assessment of the underlying conditions and medical tests. We developed machine-learning models to assist in standardizing risk classification for cardiopulmonary exercise training.
MATERIALS AND METHODS: Using retrospective data from 1163 patients across three institutions, we developed an AI model to reproduce clinician-assigne
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 Aim: Tacrolimus (TAC) is a first-line immunosuppressant for the treatment of refractory nephrotic syndrome (RNS), but the pharmacokinetics of TAC varies widely among individuals, and there is still no accurate model to predict the pharmacokinetics of TAC in RNS. Therefore, this study aimed to combine population pharmacokinetic (PPK) model and machine learning algorithms to develop a simple and accurate prediction model for TAC. Methods: 139 children with RNS from August 2013 to December 2018 were included, and blood samples of TAC trough and partial peak concentrations were coll
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: Low birth weight (LBW) has been linked to infant mortality. Predicting LBW is a valuable preventative tool and predictor of newborn health risks. The current study employed a machine learning model to predict LBW.
METHODS: This study implemented predictive LBW models based on the data obtained from the "Iranian Maternal and Neonatal Network (IMaN Net)" from January 2020 to January 2022. Women with singleton pregnancies above the gestational age of 24 weeks were included. Exclusion criteria included multiple pregnancies and fetal anomalies. A predictive model was built using eight
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.
Water polo upper limb external monitoring is not routinely used yet is important in modifying injury risk as shooting volume and intensity are associated with upper limb injury. Monitoring has been performed with video analysis by specialist staff however delays timely feedback-with potential athlete health implications. Inertial measurement units (IMU) are a potential solution. Objective was to investigate IMU and machine learning model performance in classifying overhead movements during coach-led training sessions in elite women's water polo.Athletes wore two IMUs in four training sessions
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.
Chronic kidney disease (CKD) is a systemic condition that leads to progressive renal failure and metabolic imbalances that may be detected in the keratinized bio-tissues of the body such as fingernails. Nevertheless, still its early detection is difficult due to the invasive nature of current clinical screening approaches. This research paper provides a precise, non-invasive, and AI-enhanced diagnostic model of CKD screening through the combination of Laser-Induced Breakdown Spectroscopy (LIBS) and the cutting-edge ensemble machine learning to determine the elemental patterns of fingernail bio
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.
Endometriosis is a chronic inflammatory disorder in which endometrial tissue grows outside the uterus, leading to pelvic pain and infertility. It remains a major challenge in women's health due to delayed diagnosis and limited therapeutic outcomes. The disease is heterogeneous and manifests in three main phenotypes: superficial peritoneal lesions, ovarian endometriomas, and deep infiltrating endometriosis, the latter still poorly understood at the molecular level. In this study, Fourier-transform infrared (FTIR) spectroscopy combined with machine learning was applied to explore biochemical dif
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.
Sex steroid hormones, including estradiol (E2), estrone (E1), follicle-stimulating hormone (FSH), and luteinizing hormone (LH), have been implicated in the development of female malignancies (FMs), yet their independent and combined effects remain unclear. We conducted a cross-sectional analysis using data from the National Health and Nutrition Examination Survey (NHANES). Weighted logistic regression, restricted cubic spline modeling, and chi-square trend tests were applied to evaluate dose-response associations. Machine learning algorithms, including Bayesian Kernel Machine Regression, Extre
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.
Highly prevalent hepatitis B and hepatitis C virus (HBV and HCV) infections have been reported among individuals with diabetes. Given the frequently asymptomatic nature of hepatitis and the challenges associated with screening in some vulnerable populations such as diabetes patients, we conducted an investigation into the performance of various machine learning models for the identification of hepatitis in diabetic patients while also evaluating the significance of features. Analyzing NHANES data from 2013 to 2018, machine learning models were evaluated; random forest (RF), support vector mach
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.
Methadone is an opioid receptor agonist with a high potential for abuse. The current study aimed to compare different machine learning models to predict the outcomes following methadone poisoning. This six-year retrospective longitudinal study utilizes National Poison Data System (NPDS) data. The severity of outcomes was derived from the NPDS Coding Manual. Our database was divided into training (70%) and test (30%) sets. We used a light gradient boosting machine (LGBM), extreme gradient boosting (XGBoost), random forest (RF), and logistic regression (LR) to predict the outcomes of methadone p
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: Postpartum chronic pain is prevalent, affecting many women after delivery. Machine learning algorithms have been widely used in predicting postoperative conditions. We investigated the prevalence of and risk factors for postpartum chronic pain, and aimed to develop a machine learning model for its prediction.
METHODS: Pregnant women in our tertiary hospital were screened from July 2021 to June 2022. Postoperative pain intensity was assessed using the numerical rating scale at 1, 3, and 6 months after delivery. Six machine learning algorithms were benchmarked using the nested resam
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 develop an optimal screening model to identify the individuals with a high risk of hypertension in China by comparing tree-based machine learning models, such as classification and regression tree, random forest, adaboost with a decision tree, extreme gradient boosting decision tree, and other machine learning models like an artificial neural network, naive Bayes, and traditional logistic regression models.
METHODS: A total of 4,287,407 adults participating in the national physical examination were included in the study. Features were selected using the least absolute shrinkage
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 AND OBJECTIVE: Clinical characteristics of obesity are heterogenous, but current classification for diagnosis is simply based on BMI or metabolic healthiness. The purpose of this study was to use machine learning to explore a more precise classification of obesity subgroups towards informing individualized therapy.
SUBJECTS AND METHODS: In a multi-center study (n=2495), we used unsupervised machine learning to cluster patients with obesity from Shanghai Tenth People's hospital (n=882, main cohort) based on three clinical variables (AUCs of glucose and of insulin during OGTT, and ur
СтатьяМногоцентровое исследованиеПоддержка 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.
INTRODUCTION: Automated classification of skin lesion remains a challenging task due to high inter-class similarity, intra-class variance and extreme class imbalance in the dermoscopic datasets. To overcome these limitations, the proposed study presents a Hybrid Bi-Feature Network model as HB-Net, in which the convolutional neural networks are fine-tuned to extract features and subsequently machine learning classifier are used for skin lesion classification.
METHODS: DenseNet201 and ResNet50 are both fully trainable deep architectures independently trained on the dermoscopic images to find di
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.
In this retrospective analysis, we used routinely collected clinical variables to develop a machine learning model for liver cancer diagnosis and examined the variables that contributed to model performance. We studied 3,629 people who were assessed because they were suspected to have liver cancer or other liver diseases. Patients who had pathologically confirmed liver cancer, and controls comprised of healthy subjects, patients with chronic hepatitis B, chronic hepatitis C, or cirrhosis. From 87 clinical parameters, least absolute shrinkage and selection operator regression was applied to ide
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 AIMS: At present, there is a lack of simple and reliable model for early prediction of the efficacy of etanercept in the treatment of juvenile idiopathic arthritis (JIA). This study aimed to generate and validate prediction models of etanercept efficacy in patients with JIA before administration using machine learning algorithms based on electronic medical record (EMR).
MATERIALS AND METHODS: EMR data of 87 JIA patients treated with etanercept between January 2011 and December 2018 were collected retrospectively. The response of etanercept was evaluated by using DAS44/ESR-3 sim
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.
Viscoelastic testing is an established standard in modern coagulation medicine, reducing transfusion needs. However, it does not provide direct information on platelet count. Here, we present a machine learning approach to predict platelet count and to detect low platelet count based on standard rotational thromboelastometry (ROTEM) parameters. We analyzed 2,333 anonymised datasets collected from multiple centres between 2014 and 2023. Six machine learning methods (Regression, Gradient Boosting Methods, extreme Gradient Boosting, Random Forests, Neural Networks, and Stacked Ensemble Learning)
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: Chronic Kidney Disease (CKD) is a common severe complication after radical nephrectomy in patients with renal cancer. The timely and accurate prediction of the long-term progression of renal function post-surgery is crucial for early intervention and ultimately improving patient survival rates.
OBJECTIVE: This study aimed to establish a machine learning model to predict the likelihood of long-term renal dysfunction progression after surgery by analyzing patients' general information in depth.
METHODS: We retrospectively collected data of eligible patients from the Affiliated Hosp
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.
Ischemic stroke puts great health burden in public. However, the diagnosis is based on head CT or MRI scanning. We aim to develop classifier models to screen asymptomatic ischemic stroke based on clinical data without imaging. The subjects (age ≥ 20 years) were recruited into our study who attended health examination. We developed models to classify subjects with or without ischemic stroke using support vector machine (SVM), random forest (RF), extreme gradient boosting (XGBoost), and convolutional neural network (CNN). The candidate variables included sex, age, height, weight, blood pressure,
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: Air pollution contributes to the most severe environmental and health problems due to industrial emissions and atmosphere contamination, produced by climate and traffic factors, fossil fuel combustion, and industrial characteristics. Because this is a global issue, several nations have established control of air pollution stations in various cities to monitor pollutants like Nitrogen Dioxide (NO2), Ozone (O3), Sulfur Dioxide (SO2), Carbon Monoxide (CO), Particulate Matter (PM2.5, PM10), to notify inhabitants when pollution levels surpass the quality threshold. With the rise in air
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.
MedElevator
Войти в исследования