Acute Kidney Injury (AKI) is a major health concern with high costs and poor outcomes, partly due to late diagnosis. This paper reviews the application of artificial intelligence (AI) and machine learning (ML) to overcome these limitations by enabling earlier and more accurate prediction and prognostication of AKI. Many studies on AI and ML models used to predict and prognosticate AKI were included in the review. The focus was on models that analyze complex datasets, including real-time data streams like novel biomarkers and continuous vital signs, to achieve earlier and more accurate predicti
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.
OBJECTIVE: We aim to conduct a systematic review of the literature to evaluate the effectiveness of artificial intelligence prediction models in predicting complications in adult patients undergoing surgery for degenerative thoracolumbar pathology compared with other commonly used prediction techniques.
METHODS: A systematic literature review was conducted in Medline/Pubmed, Cochrane Library, and Lilacs/Portal de la BVS to identify machine learning models in predicting complications in patients undergoing surgery for degenerative thoracolumbar spine pathology between January 1, 2000, and May
СтатьяСистематический обзорПоиск 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: Organ transplantation functions as a critical medical procedure that serves patients with severe multiorgan conditions and chronic diseases. Early and accurate predictions of requirements for transplant enhance patient care through better clinical choices and improved resource allocation and treatment selection. We developed a complex artificial intelligence forecasting system to determine organ transplant needs, specifically kidney diseases by analyzing clinical data. Accurate and timely prioritization of patients for kidney transplant is a critical challenge due to organ scarcity
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 obstructive pulmonary disease (COPD) frequently coexists with coronary heart disease (CHD), markedly worsening prognosis in middle-aged and older patients. Early identification of CHD comorbidity in this population remains clinically imperative.
METHODS: This single-center, cross-sectional study included COPD patients aged 45 years or older admitted between 2020 and 2025. Missing data were imputed using random forest, and least absolute shrinkage and selection operator regression was applied for feature selection. Nine machine learning models were constructed and evaluated
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.
Machine learning is a vital tool in advancing drug development by accurately predicting the physical, chemical, and biological properties of various compounds. This study utilizes MATLAB program-based algorithms to calculate topological indices and machine learning algorithms to explore their ability to predict the physio-chemical properties of asthma drugs. By combining machine learning with topological indices, we can conduct faster and more precise analyses of drug structures. As we deepen our understanding of the relationship between molecular structure and performance, the integration 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.
BACKGROUND: Early and accurate detection of short-term major adverse cardiac events (MACE) in patients with suspected acute myocardial infarction (AMI) is an unmet clinical need.
OBJECTIVES: The goal of this study was to test the hypothesis that adding clinical judgment and electrocardiogram findings to the European Society of Cardiology (ESC) high-sensitivity cardiac troponin (hs-cTn) measurement at presentation and after 1 h (ESC hs-cTn 0/1 h algorithm) would further improve its performance to predict MACE.
METHODS: Patients presenting to an emergency department with suspected AMI were enr
СтатьяМногоцентровое исследованиеПоддержка 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.
High-severity traffic accidents impose substantial human and economic burdens, necessitating proactive and data-driven risk forecasting mechanisms within intelligent transportation systems. This study proposed TRIDENT-Risk, a temporal risk-driven imbalance-optimized ensemble framework for high-severity accident prediction using the eXtreme Gradient Boosting (XGBoost) model. The approach integrates spatial-temporal aggregation, multi-scale lag and rolling risk features, imbalance-aware gradient boosting, and threshold optimization to enhance minority-class detection. Experimental evaluation usi
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.
Respiratory disease outbreaks burden American healthcare systems with over one million hospitalizations annually, yet current surveillance systems lag 1-2 weeks behind real-time conditions, preventing timely intervention. We present a machine learning early warning system that combines Google search trends with traditional epidemiological data using ensemble voting algorithms to predict outbreak timing across multiple respiratory pathogens. Unlike prior digital surveillance systems focused on retrospective evaluation or single-pathogen settings, this work presents a unified, prospectively depl
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.
Objective.Heart failure is one of the leading causes of death worldwide, with millions of deaths each year, according to data from the World Health Organization and other public health agencies. While significant progress has been made in the field of heart failure, leading to improved survival rates and improvement of ejection fraction, there remains substantial unmet needs, due to the complexity and multifactorial characteristics. This study aims to propose and evaluate a composable strategy framework for assessment and treatment optimization in heart failure, designed to provide more holist
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.
INTRODUCTION: Primary and secondary (P&S) syphilis burden in the United States has increased substantially in recent years, underscoring the need for forecasting approaches that can inform medium-term public health planning.
METHODS: We assembled a state-level panel dataset covering 2003-2023 and evaluated five candidate forecasting models: autoregressive model of order 1 [AR(1)], a state-specific linear trend baseline, Bayesian negative binomial regression, neural network, and Extreme Gradient Boosting (XGBoost). Models were trained using historical state-level surveillance and covariate dat
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: The number of patients suffering from knee complaints is increasing, leading to increased orthopedic healthcare consumption. Predicting knee diagnoses prior to consultation may be valuable in optimizing the consultation workflow. Therefore, the purpose of this study was to develop and internally validate a machine learning (ML) algorithm for predicting a knee diagnosis group for patients aged 18 years and older, based on computer-assisted history taking.
METHODS: A prospective cohort study at a single general district hospital was conducted to identify patients referred to an orth
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: Globally, pneumonia remains the single biggest cause of mortality in children under 5 years of age. This study sought to train and test a prediction model for hospitalisation within 7 days after initial presentation in 2- to 59-month-old Malawian children with WHO-defined pneumonia in primary care and compare its performance to existing risk prediction models.
METHODS AND FINDINGS: BIOTOPE is a cohort study of children with pneumonia in a primary healthcare setting in Malawi. The training cohort involved nine primary care centres and the testing cohort involved two primary care ce
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.
This study aimed to develop and validate an interpretable machine learning (ML) model using routine laboratory data to support clinical decision-making and deliver personalized care-with a specific focus on optimizing the utilization of diagnostic resources for patients with systemic sclerosis-associated pulmonary arterial hypertension (SSc-PAH). Clinical and demographic data were retrieved from patients with SSc at a tertiary hospital in China. The diagnosis of SSc-PAH was confirmed by right heart catheterization in all relevant patients. The cohort was split into a training set (n = 367) and
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.
INTRODUCTION: With rapid population aging in China, depression among middle-aged and older adults has become a major public health concern. Chronic pain and sociodemographic factors are closely associated with depressive symptoms, yet their combined and heterogeneous effects are difficult to capture using traditional analytical approaches. Interpretable machine learning provides a framework to explore depression-related risk patterns within a biopsychosocial perspective.
METHODS: Data were obtained from seven waves of the China Health and Retirement Longitudinal Study (CHARLS, 2011-2020), inc
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: Patients readmitted to the surgical intensive care unit (SICU) face a high risk of mortality and increased hospital costs. Identifying patients at risk of SICU readmission is crucial. This study aims to develop a machine-learning (ML) model to predict SICU readmission.
METHODS: This is a retrospective study based on data collected from the electronic healthcare records of Chang Gung Memorial Hospital. The model development cohort included adult patients admitted to the SICU from July 2020 to December 2022 at the Kaohsiung branch, while the external validation cohort consisted of p
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.
The Middle East Respiratory Syndrome coronavirus (MERS-CoV) remains a significant global health concern due to the absence of approved antiviral therapeutics. In this study, we developed a ligand-based machine learning framework to identify potential inhibitors of the MERS-CoV main protease (Mpro) using molecular representations derived from SMILES strings. Multiple classification algorithms, including logistic regression, support vector machines, random forests, and Extreme Gradient Boosting (XGBoost), were systematically evaluated. Model performance was assessed through both internal validat
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: Urinary incontinence (UI) in women with a history of hysterectomy represents a significant global health concern. It is crucial to clarify the association between hysterectomy for benign indications and UI to avoid unnecessary surgery.
OBJECTIVE: This study aimed to develop a machine learning (ML) model to identify factors associated with UI in women with a history of hysterectomy.
METHODS: We analyzed 2021 patients from the National Health and Nutrition Examination Survey (NHANES) database who underwent hysterectomy for benign indications as our derivation cohort. Thirteen demog
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: Reducing the duration of untreated psychosis among individuals with early psychosis is associated with improved clinical outcomes and decreased long-term impairment. However, timely identification of individuals at high risk for psychotic disorders in routine clinical practice is challenging, and many individuals are only identified several years following psychotic-symptom onset. This study aimed to leverage comprehensive electronic medical records to develop and validate a machine learning model to identify individuals at high risk of conversion to a psychotic-spectrum disorder (
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: Venous thromboembolism (VTE) frequently complicates septic shock, yet precise, individualized risk stratification tools remain scarce. This study aimed to develop and externally validate an explainable machine learning (ML) framework to predict VTE in this critically ill population.
METHODS: A retrospective cohort study was conducted including adult septic shock patients admitted between January 2020 and December 2025. The study population was partitioned into an internal development cohort (n=733) and an independent external validation cohort from a separate tertiary hospital (n=
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.
Moderate processing is increasingly required in dried aquatic products to balance various quality attributes. This study developed an explainable machine learning framework integrating a back-propagation artificial neural network (BP-ANN), genetic algorithm (GA), and SHapley Additive exPlanations (SHAP) in dried squid fillets. Four variables were evaluated: lipid-Maillard reaction products (L-MRPs) content, ultrasonic immersion time, drying temperature, and drying time. BP-ANN, support vector regression, random forest, and XGBoost were compared with response surface methodology (RSM). BP-ANN a
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.
MedElevator
Войти в исследования