BackgroundChronic Obstructive Pulmonary Disease (COPD) is a globally burdensome chronic disease characterized by persistent respiratory symptoms and progressive airflow limitation, which severely impairs patients' quality of life and prognosis. Effective self-management is crucial for COPD management, as targeted self-management interventions have been shown to improve disease outcomes. Digital health technologies (DHTs) offer an innovative approach to address the challenges of traditional self-management and provide sustainable support for patients' long-term disease management. However, exis
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: Telemedicine may improve access to specialized care, but its use for supervision during critical anesthesia situations remains underexplored. A standardized tele-supervision (TSV) solution for operating rooms (ORs) is lacking.
OBJECTIVE: This study aimed to evaluate a novel telemedical supervision system for critical anesthetic scenarios in a simulated OR environment and compare it to traditional on-site supervision. Specifically, adherence to standard operating procedures (SOPs), the number and modality of senior physician contacts, workload, and user perceptions were assessed.
СтатьяРандомизированное исследованиеПоддержка исследования: вне правительства СШАПолный 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: Deep learning models have shown strong potential for automated fracture detection in medical images. However, their robustness under varying image quality remains uncertain, particularly for small and subtle fractures, such as scaphoid fractures. Understanding how different types of image perturbations affect model performance is crucial for ensuring reliable deployment in clinical practice.
OBJECTIVE: This study aimed to evaluate the robustness of a deep learning model trained to detect scaphoid fractures in radiographs when exposed to various image perturbations. We sought to id
СтатьяСравнительное 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.
BACKGROUND: Generative AI (GenAI) is increasingly entering health care through documentation support, communication tools, educational content generation, and other knowledge-intensive functions. However, organizational adoption remains uneven, and concerns related to privacy, security, output reliability, governance, workflow fit, and infrastructure continue to limit broader implementation. Although the literature increasingly discusses the skills health care workers may need in the GenAI era, less is known about how hospital managers view the organizational readiness required before such ski
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: Large language models (LLMs) are increasingly being used for medical question-answering (QA) tasks. However, most models are trained primarily on English-language data, which limits their effectiveness in non-English clinical contexts. In healthcare settings such as Korea, LLMs adapted to both the local language and the medical domain are needed. This study aimed to evaluate the performance of Korean-native and multilingual LLMs fine-tuned on Korean arthritis-related medical QA data and to examine the impact of language and domain adaptation.
METHODS: A dataset of 5,451 Korean QA
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: Foot orthosis prescription is a complex clinical decision-making process that involves selecting and combining multiple structural, functional, and material components based on heterogeneous biomechanical information. In routine outpatient practice, detailed biomechanical assessments are often incomplete, creating substantial variability in prescription decisions, and limiting the applicability of conventional machine learning (ML) models that assume fixed feature availability.
OBJECTIVE: This study aimed to develop and evaluate a hierarchical ML-based clinical decision support fr
СтатьяНаблюдательное исследованиеВалидационное 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.
This review systematically analyzed the existing evidence regarding the integration of telemedicine into nursing roles and practices for managing patients with systemic lupus erythematosus (SLE). The conduct and reporting of this scoping review followed the PRISMA-ScR checklist. A total of six studies were identified through searches conducted across five major databases, including PubMed and Web of Science, and were subsequently included in the analysis. The findings indicate that telemedicine significantly enhances access to care, reduces the incidence of missed appointments, and improves pa
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.
BACKGROUND: Rare eye diseases are characterized by low prevalence, clinical heterogeneity, and fragmented data collection, which limit the reliability of analysis results and multicenter research. In France, the development of health data warehouses is strictly regulated by national data protection authorities. While international initiatives aim to harmonize rare disease registries, capturing hyperspecialized, multimodal clinical records and ophthalmology-specific imaging within a fully compliant and sustainable infrastructure remains a major operational challenge.
OBJECTIVE: This study aims
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.
Accurate alignment of multi-stain liver biopsy whole-slide images is critical for emerging computational pathology workflows, yet remains challenging due to curved biopsy geometry, non-rigid distortions, and substantial stain-dependent appearance variation. We introduce CurvReg, a curvature-aware, stain-independent registration framework designed to address these challenges by decomposing each biopsy into anatomically coherent segments for piecewise affine alignment, followed by deep learning-based deformable refinement operating directly on tissue segmentation masks rather than raw stained im
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: Since their inception, Delphi studies have been a key part of medical literature. They consist of an expert panel tasked with coming to consensus on answers to various questions where obtaining objective results is difficult or impossible, with ranked responses based on a Likert scale. The ability of artificial intelligence (AI), particularly large language models (LLMs), to perform this role traditionally assigned to a panel of experts has been scarcely explored in medicine. This study accordingly aimed to explore the feasibility of an "AI-run" Delphi study applied to the practice
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.
Diabetic Retinopathy (DR) is a medical condition in which high blood sugar levels damage the retina's blood vessels. Existing Solutions for multi-class DR identification are computationally intensive and also suffer from low accuracy. There is an immense need for an automated, computationally efficient approach for monitoring DR progression in diabetic patients. The study proposed Random Forest (RF), Logistic Regression (LR), Decision Tree (DT), and Gaussian Naive Bayes (GNB) models for the classification of retinal images into five DR classes (No, Mild, Moderate, Proliferate, and Severe) usin
СтатьяПоддержка исследования: вне правительства СШАПолный 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: Noninvasive brain stimulation may alleviate social media addiction, but its efficacy requires accurate individual targeting and real-time brain monitoring. The neural mechanisms underlying the effects of social media use (SMU) remain unclear, limiting the development of interventions. Understanding how different levels of SMU modulate brain activity could guide personalized neuromodulation strategies.
OBJECTIVE: This study investigated a cohort of young adults using a multistage design, with concurrent electroencephalography (EEG) and functional magnetic resonance imaging (fMRI) t
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.
This study aimed to compare two ambient AI documentation tools, Dragon Ambient eXperience (DAX) and Abridge in the emergency department (ED), assessing perceived effects on work burden, usability, documentation quality, satisfaction, and overall preference.We conducted a single-site, prospective crossover study in an ED over 6 weeks, from April to June 2025. Out of 20 faculty enrolled, 18 completed both phases. Participants used both ambient AI scribe tools in alternating 3-week phases. Pre-tool, tool-specific, and post-tool surveys captured four domains: burden, usability, quality, and satisf
СтатьяПоддержка 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.
Histopathological assessment of inflammatory bowel disease (IBD), including ulcerative colitis and Crohn's disease, is essential for diagnosis, disease monitoring, and treatment planning. Standardized scoring systems such as the Nancy Histological Index (NHI) provide structured measures of disease activity; however, reproducibility can vary across observers, particularly for intermediate grades of inflammation. As digital pathology continues to expand in clinical practice, it opens new possibilities for automated, consistent, and interpretable assessment of histological disease activity using
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: Lymph node metastasis (LNM) is a critical clinical indicator for determining the initial treatment strategy for patients with lung cancer. However, accurately diagnosing LNM preoperatively remains a significant challenge. Data-driven predictive modeling has become a mainstream approach to address this issue, yet it often overlooks existing clinical knowledge. Large language models (LLMs) have demonstrated the potential to predict clinical risks in a zero-shot manner based on the extensive clinical knowledge learned from large-scale corpora.
OBJECTIVE: LLMs have demonstrated the po
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.
Digitizing large histopathology archives requires processing millions of scanned whole-slide images that must be validated rapidly. Automated organ-of-origin classification can accelerate quality control and enable early detection of mislabeled specimens. We developed a deep learning model that classifies the organ of origin from hematoxylin and eosin-stained slides using a single low-resolution thumbnail per slide in under 1 s. For training, we used thumbnails from 16,624 slides from The Cancer Genome Atlas (TCGA) and Clinical Proteomic Tumor Analysis Consortium (CPTAC) archives, which contai
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: In France, clinical data on rare diseases are primarily collected through BaMaRa (Base Maladies Rares), a software platform used by national expert centers to populate the BNDMR (Banque Nationale de Données Maladies Rares), the French national rare disease data warehouse. BaMaRa ensures standardized and structured data collection across all rare disease networks, with a focus on care coordination and epidemiological reporting. In 2024, FREDD (French Rare Eye Disease Database), a health data warehouse dedicated to rare eye diseases, was developed within the framework of the third Fr
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: Liposuction is widely performed to remove localized fat deposits and improve body contour, yet individualized prediction of postoperative outcomes remains challenging. Existing machine learning (ML) studies have largely focused on single-outcome prediction, with limited attention to the interdependence between postoperative body weight and circumferential size.
OBJECTIVE: This study aimed to develop and validate a chained multioutput ML framework to jointly predict postoperative body weight and circumferential size after liposuction using a large multicenter cohort from the 365mc
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.
BACKGROUND: Type 2 diabetes mellitus (T2DM) combined with hypertension significantly increases mortality risk, yet accurate risk prediction models remain limited.
OBJECTIVE: We aimed to develop and validate machine learning-based models to predict all-cause mortality in patients with T2DM and hypertension.
METHODS: We analyzed data from the National Health and Nutrition Examination Survey from 1999 to 2018 linked with mortality data up to December 31, 2019. Adult participants (aged ≥20 years) with concurrent T2DM and hypertension were included. Five machine learning algorithms were developed
СтатьяВалидационное 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.
ObjectivesThis study aimed to evaluate order management (OM) efficiency and fulfilment performance within ERP-supported healthcare supply chains during the COVID-19 pandemic in the United Arab Emirates (UAE). The study was motivated by the increasing need for resilient digital supply chain systems capable of supporting uninterrupted access to critical medical supplies during public health emergencies.MethodsA quantitative retrospective longitudinal design was employed using secondary ERP data extracted from 14 Emirates Health Services (EHS) healthcare facilities between 2020 and 2022. A total
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