PURPOSE: The present study aimed to investigate the association of perioperative dynamic changes of systemic inflammation markers with AKI after radical cystectomy and their predictive value through machine learning algorithms.
PATIENTS AND METHODS: Patients undergoing radical cystectomy with urinary diversion for bladder cancer from 2013 to 2022 at three university-affiliated tertiary hospitals were gathered. Perioperative dynamic changes of systemic inflammatory markers were calculated based on peripheral blood cell counts from pre- and post-operative values and categorized using restricted
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.
UNLABELLED: <p>Objectives: This study aimed to predict and classify magnetic resonance imaging (MRI) Prostate Imaging Reporting and Data System (PI-RADS) scores using different machine learning algorithms and to detect the concordance of PI-RADS scoring with the outcome target of prostate biopsy.
METHODS: Machine learning (ML) algorithms were used to develop best-fitting models for the prediction and classification of MRI PI-RAD. The Random Forest and Extra Trees models achieved the best performance compared to the other methods.
RESULTS: The accuracy of both models was 91.95%. The AUC was 0
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.
Traumatic brain injury (TBI) is a global issue and a major cause of patient mortality, and cerebral contusions (CCs) is a common primary TBI. The haemorrhagic progression of a contusion (HPC) poses a significant risk to patients' lives, and effectively predicting changes in haematoma volume is an urgent clinical challenge that needs to be addressed. As a branch of artificial intelligence, machine learning (ML) can proficiently handle a wide range of complex data and identify connections between data for tasks such as prediction and decision making. We collected data from 673 CCs patients who w
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: Many patients achieve short-term type 2 diabetes (T2D) remission after bariatric surgery, but relapses are common. Diabetes outcomes after bariatric surgery vary across procedures and populations. T2D remission scores are simple clinical tools developed to predict remission after bariatric surgery. However, they have never been tested after Biliopancreatic diversion with duodenal switch (BPD-DS).
OBJECTIVES: The aim of this study was to compare the predictive value of T2D remission scores and preoperative diabetes characteristics in predicting T2D remission after BPD-DS.
SETTING:
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: Protein truncating variants in ATM, BRCA1, BRCA2, CHEK2, and PALB2 are associated with increased breast cancer risk, but risks associated with missense variants in these genes are uncertain.
METHODS: We analyzed data on 59,639 breast cancer cases and 53,165 controls from studies participating in the Breast Cancer Association Consortium BRIDGES project. We sampled training (80%) and validation (20%) sets to analyze rare missense variants in ATM (1146 training variants), BRCA1 (644), BRCA2 (1425), CHEK2 (325), and PALB2 (472). We evaluated breast cancer risks according to five in si
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 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.
Water quality is jointly shaped by environmental and anthropogenic factors, and the resulting monitoring data often exhibit non-stationary characteristics with transient and abrupt signals. Conventional forecasting models have difficulty accommodating these distributional shifts: they often produce delayed predictions or lose accuracy near abrupt-change points. This study proposes a state-space forecasting framework for complex aquatic dynamics, in which parallel temporal and spectral branches learn complementary time-domain and frequency-domain representations. The spectral-attention Mamba ar
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: Outcome prediction in neuro-oncology remains challenging due to heterogeneity in tumor biology, imaging characteristics, treatment response, and patient-specific clinical factors. Although molecular databases have advanced understanding of brain tumor biology, many datasets lack broader data necessary for generalizable predictive modeling. Artificial intelligence (AI) and machine learning (ML) are increasingly being explored to integrate these heterogeneous data sources and support precision neuro-oncology.
METHODS: A narrative review was performed using PubMed and Embase to ident
СтатьяОбзорПоиск 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.
PURPOSE OF REVIEW: People with HIV (PWH) are increasingly susceptible to excess weight gain and obesity after initiation of antiretroviral therapy. However, there is substantial variation in individual weight gain that is difficult to predict with clinical factors alone. We review emerging methods in machine learning and multi-omics that address the biology and prediction of weight gain and weight-associated conditions, persistent challenges, and future directions.
RECENT FINDINGS: PWH continue to have increasing burden of excess weight gain and obesity. Obesity has a complex pathophysiology
СтатьяОбзорПоиск 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.
Alzheimer’s disease (AD) is a complex disorder influenced by genetic factors, and related phenotypes often share common genetic mechanisms. However, traditional genetic risk prediction models typically focus on a single phenotype, neglecting valuable cross-phenotype information. This study aims to explore the effectiveness of multi-task learning (MTL) in modeling genetic data for AD and to assess whether aggregating genetic signals at the gene level can further improve prediction accuracy. We applied two representative MTL models, including the Sluice Network and the Learning to Branch (LTB) m
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: Earlier heart failure (HF) diagnosis in the community could allow timely treatment initiation and prevent unnecessary hospitalisation, but identifying those at risk remains challenging. We aimed to summarise the performance of risk prediction models for a new diagnosis of HF.
DESIGN: Systematic review of multivariable incident HF risk prediction models in the community setting.
DATA SOURCES: MEDLINE and Embase were searched from inception to 9 November 2023.
ELIGIBILITY CRITERIA: Observational, community-based studies reporting prediction model performance for incident HF within
СтатьяСистематический обзорПоиск 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: Delirium, an acute and fluctuating neurocognitive disorder prevalent among hospitalized and geriatric surgical patients, remains a pervasive yet underrecognized clinical challenge. Leveraging Electronic Health Records (EHRs), Machine Learning (ML) models have emerged as promising tools for early prediction and intervention. This scoping review synthesizes the existing literature, identifies current research gaps, and outlines future directions to advance delirium prediction modeling. METHODS: Following the PRISMA Extension for Scoping Reviews (PRISMA-ScR) guidelines, literature fro
Scoping ReviewСтатьяПоиск 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: Postoperative delirium (POD) following cardiac surgery is a severe complication, and early identification of delirium risk remains a challenge in clinical practice. While machine learning (ML) has garnered increasing attention in health care applications, effective early prediction tools remain limited in current clinical practice. Recent investigations have explored the effectiveness of ML-based methods for identifying the risk of POD in patients undergoing cardiac surgery. However, more evidence is required to validate the feasibility of these methods.
OBJECTIVES: This study aim
СтатьяСистематический обзорМетаанализПоиск 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: This study aims to synthesize the effectiveness of machine learning (ML) in the diagnosis and prediction of congenital heart disease (CHD), providing evidence for the subsequent development of ML models for CHD. METHODS: PubMed, EMBASE, Web of Science, and Cochrane were searched for studies on the application of ML in CHD up to April 8, 2024. The risk of bias was assessed using the prediction model risk of bias assessment tool (PROBAST). Subgroup analyses by task types (diagnosis and prediction) and different populations were performed. RESULTS: Fifty-two papers covering 850,866 subje
Систематический обзорСтатьяМетаанализПолный 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.
Artificial intelligence (AI)-enabled risk prediction models are being increasingly used in hospital practice to predict patient risk of adverse events, aimed at giving early warning of impending events and facilitating preventive intervention. However, evidence of beneficial impact varies which may be due to clinicians not finding them useful because of suboptimal predictive accuracy (effectiveness), burden of false alerts (efficiency) or narrow prediction windows (utility). Current model performance measures do not capture the interdependency of these three dimensions. In this commentary, usi
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.
Mantle cell lymphoma (MCL) has a heterogeneous clinical course, making robust, usable prognostic tools essential for risk-adapted care. In this paper, we worked at the definition of an effective and deployable prognostic model, tailored to a specific MCL population. Our work has taken advantage of AutoML-Med, a framework supporting end-users in the data analysis pipeline. Our experiments have provided promising results, leading to an explainable model that outperformed traditional prognostic indexes, paving the way for future investigations.
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: Delirium is a common complication following cardiac surgery and significantly affects patient prognosis and quality of life. Recently, the application of artificial intelligence (AI) has gained prominence in predicting and assessing the risk of postoperative delirium, showing considerable potential in clinical settings.
OBJECTIVE: This scoping review summarises existing research on AI-based prediction models for post-cardiac surgery delirium and provides insights and recommendations for clinical practice and future research.
METHODS: Following the PRISMA-ScR (Preferred Reporting
СтатьяScoping ReviewПоиск 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.
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2025eng
PURPOSE: To develop regression models for predicting adolescent idiopathic scoliosis (AIS) progression using machine learning with clinical and radiographic data. METHODS: We included female patients aged 10 to 13 years diagnosed with AIS at our institution between 2007 and 2020. Only those with mild-to-moderate AIS (initial Cobb angle of 10°–40°) were analyzed. The objective variables were the Cobb angle at 1and 2 years later and at the last visit. A stacking regression metamodel with 5-fold cross-validation was developed using age, bracing, first menstruation, height, weight, Cobb angle at f
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: This study was designed to establish a diagnostic model for osteoporosis by collecting clinical information from patients with and without osteoporosis. Various machine learning algorithms were employed for training and testing the model, evaluating its performance, and conducting validations to explore the most suitable machine learning algorithm.
METHODS: Clinical information, including demographic data, examination results, medical history, and laboratory test results, was collected from inpatients with and without osteoporosis. The LASSO algorithm was utilized for feature selec
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.
Traumatic brain injury (TBI) affects 69 million people worldwide each year, and acute traumatic epidural hematoma (atEDH) is a frequent and severe consequence of TBI. The aim of the study is to use machine learning (ML) algorithms to predict in-hospital death, non-home discharges, prolonged length of stay (LOS), prolonged length of intensive care unit stay (ICU-LOS), and major complications in patients with atEDH and incorporate the resulting ML models into a user-friendly web application for use in the clinical settings. The American College of Surgeons (ACS) Trauma Quality Program (TQP) data
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