Benign epilepsy with centrotemporal spikes (SeLECTS) is a common pediatric epilepsy characterized by high-amplitude central-temporal spikes on electroencephalogram (EEG). Early identification remains challenging owing to inter-reader variability and inter-center protocol differences. Existing models often rely on single-center raw EEG, limiting generalizability and clinical deployment. An explainable, cross-institutional tool built on structured EEG reports plus routine laboratory tests could improve screening and workflow. This study aimed to develop a machine learning model for SeLECTS assis
СтатьяМногоцентровое исследованиеВалидационное 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.
Chronic kidney disease (CKD) is a progressive medical condition with significant public health impact, where early detection is critical for effective intervention. This work presents a clearly defined and structured data-driven framework designed to improve CKD prediction through robust preprocessing and optimized ensemble learning. This study proposes a novel hybrid framework that combines Random Forest (RF)-based imputation for missing value handling, categorical feature encoding, and synthetic minority oversampling technique (SMOTE) for addressing class imbalance, integrated with a Grey wo
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.
Allogeneic hematopoietic cell transplantation (HCT) is the treatment of choice for a variety of hematologic malignancies and disorders. Unfortunately, acute graft-versus-host disease (GVHD) is a frequent complication of HCT. While substantial research has identified clinical, genetic and proteomic risk factors for acute GVHD, few studies have sought to develop risk prediction tools that quantify absolute risk. Such tools would be useful for: optimizing donor selection; guiding GVHD prophylaxis, post-transplant treatment and monitoring strategies; and, recruitment of patients into clinical tria
СтатьяМногоцентровое исследованиеПоддержка NIH: внешняя программаПолный 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.
KEY MESSAGE: An explainable machine learning model was developed using comprehensive clinical variables to predict clinical pregnancy outcomes following frozen embryo transfer. Compared with conventional statistical models, the extreme gradient boosting-based model showed numerically higher discrimination and provided interpretable insights through SHapley Additive exPlanations (SHAP) analysis, supporting individualized decision-making in reproductive medicine.
RESEARCH QUESTION: Can an interpretable XGBoost-based model leveraging multi-feature clinical data better predict pregnancy outcomes
СтатьяВалидационное 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: Acute myocardial infarction (AMI) remains a leading cause of global morbidity and mortality, with early prediction critical for timely intervention. Traditional risk assessment tools are limited because of their reliance on limited variables and static thresholds. This study aims to develop an interpretable machine learning (ML) model using multidimensional clinical data for early AMI risk prediction.
METHODS: We performed a retrospective cohort study of 7939 patients enrolled from the second hospital of Shandong University from January 2020 to January 2024. A total of 108-dimensi
СтатьяВалидационное 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.
Malignant intestinal obstruction (MIO) is a severe complication of advanced cancer. Traditional static assessment models struggle to capture its dynamic pathological mechanisms, limiting their clinical value. To address this, this study developed a multimodal machine learning framework. Core features (including the dynamic tumor enhancement ratio TER) were extracted via Lasso-Boruta dual-modality screening, and risk prediction was performed using an XGBoost-Random Survival Forest (RSF) cascade model. Results demonstrated an AUC of 0.84 ± 0.03 and Brier score of 0.19 in the internal validation
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: Hyperphosphatemia is a common complication in hemodialysis and serves as a key marker for evaluating dialysis adequacy. This study aimed to develop an interpretable machine learning (ML) model to predict the risk of hyperphosphatemia in patients undergoing maintenance hemodialysis.
METHODS: Data from 718 patients receiving maintenance hemodialysis across five hemodialysis centers in Chongqing between May and September 2025 were included. The dataset was split into training (70%) and testing (30%) sets. Univariate and multivariate analyses were used to identify predictors most stro
СтатьяМногоцентровое 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.
Walking is a key movement of interest in biomechanics, yet gold-standard data collection methods are time- and cost-expensive. This paper presents a real-time, multimodal, high sample rate lower-limb motion capture framework, based on wireless wearable sensors and machine learning algorithms. Random Forests are used to estimate joint angles from IMU data, and ground reaction force (GRF) is predicted from an instrumented insole, while joint moments are predicted from angles and GRF using deep learning based on the ResNet-16 architecture. All three models achieve good accuracy compared to the li
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.
Municipal solid waste (MSW) generation in university campuses across sub-Saharan Africa presents a critical management challenge and an underutilised energy recovery opportunity, compounded by structural information gaps including population undercounting and inadequate compositional data. This study applies an integrated machine learning (ML) framework to predict daily MSW generation, net calorific value (NCV), and electrical energy potential from primary empirical data collected at the University of Jos hostel complex, Nigeria. Four supervised regression algorithms - linear regression, rando
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: The relationship between dietary nutrient intake and metabolically healthy obesity (MHO) remains poorly understood. This study aimed to construct machine learning models to predict MHO based on dietary nutrient profiles and to identify the most influential nutrients contributing to this phenotype.
METHODS: Data were derived from the U.S. National Health and Nutrition Examination Survey (NHANES) 2005-2018. Forty-five dietary nutrients, along with demographic and lifestyle variables, were included in two predictive frameworks: a dietary-only model and a complete model. Feature preproce
СтатьяСравнительное 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.
The accurate prediction of solubility and solvent properties in supercritical CO₂ systems remains a critical challenge in pharmaceutical process design due to the nonlinear and coupled effects of temperature and pressure. This study proposes a novel artificial intelligence-based modeling framework for predicting solvent density and paracetamol mole fraction under supercritical conditions using temperature and pressure as input variables. Three regression models-Multilayer Perceptron (MLP), Support Vector Regression (SVR), and Tweedie Regression (TDR)-were developed and systematically optimized
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.
Prediction of calving among cattle based on body temperature is used to prevent calving accidents. However, conventional threshold-based methods often miss or misdetect signs of calving. We quantitatively compared a machine learning-based model with conventional threshold-based methods for calving prediction using vaginal temperature data from wearable devices. Vaginal temperature was recorded at 5-min intervals from approximately 7 days before the expected calving date until parturition in beef (n = 77) and dairy cattle (n = 78). Twenty-six time-series features were extracted, and a machine l
СтатьяСравнительное 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: Intracerebral hemorrhage (ICH) with thrombocytopenia is associated with poor outcomes, but early risk prediction tools for this subgroup are limited. We aimed to develop and externally validate an interpretable machine learning model for predicting 28-day all-cause mortality after ICU admission.
METHODS: Internal data were derived from MIMIC-III/IV, eICU, and NWICU, and external validation data from a single tertiary academic teaching hospital in China. The internal cohort was randomly split 7:3 into internal training set and internal test set. Feature selection, hyperparameter op
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.
Combination therapy is a common strategy in cancer treatment to improve efficacy, minimize side effects, and overcome drug resistance. However, the vast number of possible drug pairings makes experimental screening both time-consuming and costly. Drug interactions can result in synergy and antagonism, emphasizing the need for efficient predictive models. In this study, we develop a pairwise-compound quantitative structure-activity relationship (pQSAR) framework based on an ensemble stacking machine learning strategy to enhance prediction of empirically defined combination-effect classes using
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 identify solvent characteristics that enhance drug loading in polymeric micelles. Polyethylene glycol-block-polystyrene (PEG-b-PS) and curcumin were used as model compounds to investigate the impact of 40 different solvent mixtures on drug loading during flow-based assembly. We tested five algorithms: Random Forest (RF), Gradient Boosting (GP), XGBoost, Support Vector Regression (SVR), and Multilayer Perceptron (MLP), with the MLP model proving to be the most effective among them. To explain the model's predictions, we utilized SHapley Additive exPlanations (SHAP) values to
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: Traditional risk assessment tools were commonly used for the prediction of falls in clinical practice. However, their tendency toward over-sensitivity addressed its limitations for hospitalized cancer patients. This study aimed to identify risk factors associated with falls in hospitalized patients and to develop a predictive risk model using machine learning algorithms specifically for cancer patients, to optimize the clinical assessment of fall risk. METHODS: Using data from 298 cancer patients admitted to Shandong Cancer Hospital between January 2023 and December 2024 were includ
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: High-grade cervical intraepithelial neoplasia (CIN2/3) is a critical precursor to cervical cancer, yet current screening methods (e.g., HPV testing, colposcopy) face challenges in accessibility and invasiveness, especially in resource-limited settings. We aimed to develop a non-invasive, machine learning (ML)-based model using routine blood biomarkers. This model is intended to assess the risk of high-grade CIN and potentially serve as a triage tool before colposcopy. METHODS: Data were collected from two groups: 128 high-grade CIN (CIN2/3) and 120 low-grade CIN (CIN1) patients. A
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.
Diabetes mellitus (DM) is an escalating global public health concern, with a rapidly increasing burden in low- and middle-income countries, including Bangladesh. Despite its growing prevalence and associated complications such as cardiovascular disease, kidney failure and stroke, comprehensive evidence on its determinants and predictive modeling at the population level remains limited. This study aimed to predict the DM and identify its associated risk factors using ensemble machine learning (EML) approaches among adults in northern Bangladesh. A community-based cross-sectional study was condu
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.
PURPOSE: Accurate classification of microsatellite instability (MSI) in advanced cancers is critical for identifying patients who may benefit from immune checkpoint inhibitors. However, variability in MSI detection workflows can lead to missed MSI-high cases, indicating need for complementary screening approaches. Using next-generation sequencing (NGS) data from colorectal tumors, we developed a machine learning (ML) model to predict MSI status using immune-related gene expression profiles and pathogenic single-nucleotide variants (SNVs) and copy-number variants (CNVs).
MATERIALS AND METHODS:
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 extract structured injury features of knee trauma from forensic case files, and to assess knee functional impairment using a machine learning model combined with the voting method.
METHODS: A total of 490 forensic cases involving knee trauma were retrospectively collected and randomly divided into training and testing sets at an 8:2 ratio. Structured injury features were extracted and systematically organized and stored using a MySQL database. Six machine learning models, including support vector classification, random forest, logistic regression, gradient boosting, k-nearest n
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.
MedElevator
Войти в исследования