We thank the authors (Weide et al.1) for their evaluation of our algorithm, which predicts optimal deep-brain stimulation contact points in Parkinson's disease. Their analysis on an independent dataset highlights practical challenges of translating predictive tools into routine clinical use. Here, we clarify key methodological points, discuss the robustness of the algorithm, and emphasize the need for broader validation across diverse clinical centers to fully demonstrate its utility.
Письмо в редакциюПоиск 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.
Since the end of 2019, a novel coronavirus known as COVID-19 has caused a severe outbreak worldwide. Due to the complexity of epidemic data, traditional algorithms have struggled to accurately predict the development of the pandemic. The Autoregressive Integrated Moving Average (ARIMA) model is capable of capturing time-based trends in epidemic data, including seasonality, cyclic patterns, and long-term trends, which helps improve the accuracy of forecasting future epidemic trajectories. The Bidirectional Long Short-Term Memory (BiLSTM) network, a variant of the Recurrent Neural Network (RNN),
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: FMF is a genetic autoinflammatory condition marked by recurrent fever and serositis. Colchicine is the mainstay treatment. However, 5% to 10% of patients exhibit colchicine resistance, requiring alternative therapies. Early identification of resistance is vital. While some scoring systems exist for paediatric FMF, artificial intelligence's (AI's) potential to predict colchicine resistance in adult patients with FMF has not been systematically explored. This study aimed to utilize machine-learning (ML) and deep-learning (DL) algorithms to predict colchicine resistance in adult patie
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.
Supercritical carbon dioxide (SC-CO₂) is widely used as an environmentally friendly solvent in pharmaceutical processing, where accurate prediction of drug solubility is essential for efficient formulation design, extraction processes, and process optimization. However, predicting solubility behavior in supercritical systems remains challenging due to the nonlinear interactions between thermodynamic conditions and molecular properties. In this study, a hybrid artificial intelligence framework is developed to predict the solubility of active pharmaceutical ingredients (APIs) in SC-CO₂ using a 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.
The study aimed to predict the risks of Major adverse cardiac events (MACE) in patients undergoing peritoneal dialysis (PD) with machine learning (ML) algorithm. In addition, we added the time factor and predicted the risk factors for MACE during the 1-year and 5-year follow-up. This retrospective study included 1006 PD patients from January 2010 to December 2016. XGBoost, Random Forest (RF) and Adaboost were used to train models for assessing risk of 1-year and 5-year MACE. The optimal ML algorithm was used to construct the models to predict the risk of the MACE end point. 409 patients develo
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.
Efficient data transmission in low Earth orbit (LEO) satellite networks is critical for supporting real-time global communication, Earth observation, and numerous data-intensive space missions. A fundamental challenge in these networks involves solving the maximum flow problem, which determines the optimal data throughput across highly dynamic topologies with limited onboard energy and data processing capability. Traditional algorithms often fall short in these environments due to their high computational costs and inability to adapt to frequent topological changes or fluctuating link capaciti
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.
This study aimed to compare and evaluate the prediction accuracy and risk of bias (ROB) of post-traumatic stress disorder (PTSD) predictive models. We conducted a systematic review and random-effect meta-analysis summarizing predictive model development and validation studies using machine learning in diverse samples to predict PTSD. Model performances were pooled using the area under the curve (AUC) with a 95% confidence interval (CI). Heterogeneity in each meta-analysis was measured using I2. The risk of bias in each study was appraised using the PROBAST tool. 48% of the 23 included studies
СтатьяСистематический обзорМетаанализПоиск 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.
AIM: In this research, we leveraged bioinformatics and machine learning to pinpoint key risk genes associated with occupational benzene exposure and to construct genomic and algorithm-based predictive risk assessment models.
SUBJECT AND METHODS: We sourced GSE9569 and GSE21862 microarray data from the Gene Expression Omnibus. Utilizing R software, we performed an initial screen for differentially expressed genes (DEGs), which was followed by the enrichment analyses to elucidate the affected functions and pathways. Subsequent steps included the application of three machine learning algorithms
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.
INTRODUCTION: Various tools have been developed to determine the priority of radiography in trauma patients. This study aimed to investigate the role of machine learning models in predicting chest injuries following multiple trauma.
METHODS: We used the database of a comprehensive cross-sectional survey conducted in 2015. Eight machine learning models were developed using demographic characteristics, physical exam findings, and radiologic results of 2860 patients.
RESULTS: Area under the receiver operating characteristic curve (AUC) was greater than 0.96 in Random Forest, Gradient Boosting,
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: Preeclampsia (PE) remains a leading cause of maternal and perinatal morbidity and mortality. This study aimed to identify urinary metabolites as potential biomarkers for predicting PE by integrating metabolomic profiling with machine learning algorithms.
METHODS: The untargeted metabolomics of urine samples were performed in three cohorts: healthy pregnant women, gestational hypertension (GH), and PE patients. Differentially expressed metabolites were identified using multivariate statistical analyses. Subsequently, a predictive model for preeclampsia was developed and validated t
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.
AIMS: Little is known about the role of electrocardiography (ECG) in the community population independent of physical and laboratory examinations. Thus, this study developed and validated several ECG-based models for cardiovascular disease (CVD) risk assessment, with or without simple questionnaire-based variables.
METHODS AND RESULTS: Using a derivation cohort of 3734 Chinese participants aged ≥40 years, we developed the ECG-based models to predict the risk of developing CVD (comprising fatal and non-fatal coronary heart disease, unstable angina, stroke, and heart failure). Candidate 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.
INTRODUCTION: This study aims to establish a comprehensive, multi-level approach for tackling tropical diseases by proactively anticipating and managing Persistent Inflammation, Immunosuppression, and Catabolism Syndrome (PICS) within the initial 14 days of Intensive Care Unit (ICU) admission. The primary objective is to amalgamate a diverse array of indicators and pathogenic microbial data to pinpoint pivotal predictive variables, enabling effective intervention specifically tailored to the context of tropical diseases.
METHODS: A focused analysis was conducted on 1733 patients admitted to t
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.
Despite advancements in detection and treatment, tuberculosis (TB), an infectious illness caused by the Mycobacterium TB bacteria, continues to pose a serious threat to world health. The TB diagnosis phase includes a patient's medical history, physical examination, chest X-rays, and laboratory procedures, such as molecular testing and sputum culture. In artificial intelligence (AI), machine learning (ML) is an advanced study of statistical algorithms that can learn from historical data and generalize the results to unseen data. There are not many studies done on the ML algorithm that enables t
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 study aimed to develop and validate machine learning models for case difficulty prediction in endodontic microsurgery, assisting clinicians in preoperative analysis.
METHODS: The cone-beam computed tomographic images were collected from 261 patients with 341 teeth and used for radiographic examination and measurement. Through linear regression (LR), support vector regression (SVR), and extreme gradient boosting (XGBoost) algorithms, four models were established according to different loss functions, including the L1-loss LR model, L2-loss LR model, SVR model and XGBoost model.
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.
BACKGROUND: Approximately 25% of patients with inflammatory bowel disease (IBD) discontinue azathioprine (AZA) or mercaptopurine (MP) therapy within 3 months of treatment initiation because of adverse drug reactions. Of these side-effects, about half are because of hepatotoxicity. The aim of this study was to validate and (subsequently) optimize a previously reported predictive algorithm for thiopurine-associated hepatotoxicity by increasing the number of patients with IBD benefitting from conventional thiopurine therapy.
METHODS: This multicenter observational study included consecutive thio
Многоцентровое исследованиеНаблюдательное исследованиеСтатьяПоиск 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.
Unravelling the structure of genotype-phenotype (GP) maps is an important problem in biology. Recently, arguments inspired by algorithmic information theory (AIT) and Kolmogorov complexity have been invoked to uncover simplicity bias in GP maps, an exponentially decaying upper bound in phenotype probability with the increasing phenotype descriptional complexity. This means that phenotypes with many genotypes assigned via the GP map must be simple, while complex phenotypes must have few genotypes assigned. Here, we use similar arguments to bound the probability P(x → y) that phenotype x, upon r
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: COVID-19 was first identified in December 2019 in the city of Wuhan, China. The virus quickly spread and was declared a pandemic on March 11, 2020. After infection, symptoms such as fever, a (dry) cough, nasal congestion, and fatigue can develop. In some cases, the virus causes severe complications such as pneumonia and dyspnea and could result in death. The virus also spread rapidly in the Netherlands, a small and densely populated country with an aging population. Health care in the Netherlands is of a high standard, but there were nevertheless problems with hospital capacity, su
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.
Deep learning techniques have led to significant advancements in seizure prediction research. However, corresponding used benchmarks are not uniform in published results. Moreover, inappropriate training and evaluation processes used in various work create overfitted models, making prediction performance fluctuate or unreliable. In this study, we analyzed the various data preparation methods, dataset partition methods in related works, and explained the corresponding impacts to the prediction algorithms. Then we applied a robust processing procedure that considers the appropriate sampling para…
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.
INTRODUCTION: This study was designed to develop and evaluate machine learning algorithms for predicting seizure due to acute tramadol poisoning, identifying high-risk patients and facilitating appropriate clinical decision-making.
METHODS: Several characteristics of acute tramadol poisoning cases were collected in the Emergency Department (ED) (2013-2019). After selecting important variables in random forest method, prediction models were developed using the Support Vector Machine (SVM), Naïve Bayes (NB), Artificial Neural Network (ANN) and K-Nearest Neighbor (K-NN) algorithms. Area Under th
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: Universal depression screening in youth typically focuses on strategies for identifying current distress and impairment. However, these protocols also play a critical role in primary prevention initiatives that depend on correctly estimating future depression risk. Thus, the present study aimed to identify the best screening approach for predicting depression onset in youth.
METHODS: Two multi-wave longitudinal studies (N = 591, AgeM = 11.74; N = 348, AgeM = 12.56) were used as the 'test' and 'validation' datasets among youth who did not present with a history of clinical depressi
СтатьяМногоцентровое исследованиеПоддержка NIH: внешняя программаПоддержка 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.
MedElevator
Войти в исследования