Conservative treatment for chronic non-specific low back pain (CLBP) includes lumbar extension traction (LET) to re-align lumbar lordosis (LL). This study explores the use of machine learning (ML) models to predict post-treatment outcomes in patients with CLBP undergoing LET and how these predictions can support clinical decision-making. We utilized a retrospective database of 431 consecutive patients with uncomplicated CLBP. Post-treatment variables predicted included LL, NRS pain score, and Oswestry Disability Index (ODI). Input model variables included pre-treatment LL, sacral base angle (S
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: This study aimed to establish a rapid and accurate predictive model for mandibular third molar (MM3) extraction difficulty based on machine learning and multimodal parameters.
METHODS: A dataset was constructed by integrating clinical characteristics with morphological features automatically extracted from cone-beam computed tomography (CBCT) images. Extraction difficulty was determined by three experienced experts using a ten-factor scoring system and clinical judgment. Six machine learning (ML) models were developed: support vector machine (SVM), artificial neural network (ANN),
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: Sequential bilateral sudden sensorineural hearing loss (Se-BSSHL) may occur after an initial unilateral episode, but the risk factors for contralateral ear involvement remain unclear. This research aims to identify risk factors associated with the occurrence of contralateral ear in patients suffering from sudden sensorineural hearing loss (SSHL). By leveraging machine learning algorithms, the study uses patients' demographic and clinical data to develop a predictive model.
METHODS: We conducted an analysis on clinical data from 939 patients admitted to the Ear Department of the Ch
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: This study aimed to develop and internally validate postoperative prognostic models for long-term functional outcomes in patients with spontaneous intracerebral hemorrhage (sICH) following hematoma evacuation, and to compare the performance of traditional logistic regression (LR) with machine learning (ML) algorithms in a limited sample size setting.
METHODS: A retrospective cohort of 185 ICH patients who underwent stereotactic surgery was analyzed. Four key predictors-age, admission Glasgow Coma Scale (GCS) score, ICH grade, and hematoma clearance ratio-were selected using Least Abs
СтатьяСравнительное 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: The objective of this study was to construct a predictive model using multiple machine learning algorithms to predict the risk of dementia superimposed on delirium (DSD) in dementia patients in the ICU.
METHODS: The data for this study were sourced from the Medical Information Mart for Intensive Care IV database. The dataset was divided into a development set (70%) and a test set (30%). Feature selection was conducted using the Boruta algorithm to identify clinically relevant predictors, followed by model development using logistic regression, decision trees, random forest, XGBoos
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: Despite growing demand for palliative care, access remains limited and often occurs late in life. Existing machine learning approaches rarely integrate clinically validated measures of symptom burden and functional status with healthcare utilization, limiting the interpretability of care trajectories.
OBJECTIVES: To (1) identify distinct patient subgroups based on symptom burden and functional status, and (2) predict palliative care episode duration using the identified subgroups.
METHOD: A retrospective cohort study was conducted using national data from the Australian Palliativ
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.
Artificial Intelligence (AI) is widely used in various fields, including the health system and related sciences, as one of the significant advances in technology. Many efforts are being made to improve the prevention, diagnosis, prediction, treatment, and rehabilitation of diseases through the use of AI. The application of AI in the medical sciences is from machine models to search medical data and discover insights to help improve health outcomes and patient experiences. AI is rapidly becoming an integral part of modern healthcare. AI algorithms and other AI-based applications are used to sup
СтатьяОбзорПолный 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.
Branching process models are commonly used in infectious disease forecasting and often rely on daily incidence data, but their utility can be restricted if incidence is not reported daily or if reporting becomes less frequent during prolonged outbreaks. In this study, an Expectation Maximisation algorithm is used to reconstruct the daily incidence of COVID-19 cases from weekly case counts. Using data from 13 US states that maintained mostly daily reporting of COVID-19 cases from March 2020 to February 2022, we evaluate forecasting performance by comparing models using the true daily incidence
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.
MOTIVATION: Cancer progresses through the accumulation of genomic events. Cancer progression models such as Mutual Hazard Networks (MHNs) describe this dynamic, enabling prediction of temporal event positions and patient-specific risks of acquiring mutations. However, current MHN analyses rely on single most likely models and do not quantify the uncertainty inherent to parameter estimation. Assessing forecast stability is essential before using them to anticipate treatment-relevant mutations, adapt targeted therapies, or prioritize monitoring of patients at elevated progression risk.
RESULTS:
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: Fetal alcohol syndrome (FAS) is a lifelong developmental disability that occurs among individuals with prenatal alcohol exposure (PAE). With improved prediction models, FAS can be diagnosed or treated early, if not completely prevented.
OBJECTIVE: In this study, we sought to compare different machine learning algorithms and their FAS predictive performance among women who consumed alcohol during pregnancy. We also aimed to identify which variables (eg, timing of exposure to alcohol during pregnancy and type of alcohol consumed) were most influential in generating an accurate model
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
To address the issues of limited exploration capability and premature convergence in the optimization process of the Blood-Sucking Leech Optimizer (BSLO) algorithm, we propose an Improved BSLO (IBSLO) algorithm. Initially, a directional leeches switching mechanism based on an inverted S-shaped nonlinear perceived distance to strike a balance between exploitative and exploratory capabilities of the algorithm. Subsequently, a dynamic perception signal was designed to simulate dynamic stimulus signals, guiding leeches to search and optimize more accurately. Finally, the memory sharing mechanism i
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.
Most classifiers output predictions for new instances without indicating how reliable they could be. Transductive confidence machine (TCM) is a novel framework that provides hedged prediction coupled with valid confidence. Many popular machine learning algorithms can be transformed into the framework of TCM, and therefore be used for producing hedged predictions. This paper incorporates random forest (RF) to propose a method named TCM-RF for classification of chronic gastritis data. Our method benefits from TCM-RF's high performance when features are noisy, highly correlated and of mixed types
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: The decision to intubate and ventilate a patient is mainly clinical. Both delaying intubation (when needed) and unnecessarily invasively ventilating (when it can be avoided) are harmful. We recently developed an algorithm predicting respiratory failure and invasive mechanical ventilation in COVID-19 patients. This is an internal validation study of this model, which also suggests a categorized "time-weighted" model.
METHODS: We used a dataset of COVID-19 patients who were admitted to Rabin Medical Center after the algorithm was developed. We evaluated model performance in predic
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 International guidelines recommend early screening based on targeted risk factors to identify thyroid disease during pregnancy. The complexity of these risk factors makes accurate prediction challenging. This study aimed to develop and compare multiple machine-learning-based predictive models for thyroid disease during pregnancy. MATERIAL AND METHODS This retrospective study analyzed the clinical characteristics of 5461 women who gave birth at a single center. The dataset was divided into training and test sets. In the training set, feature variables associated with thyroid disease
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 most common toxic side effect after chemotherapy, one of the main treatments for colorectal cancer (CRC), is myelosuppression.
OBJECTIVE: To analyze the correlation between gut microbiota and leukopenia after chemotherapy in CRC patients.
METHODS: Stool samples were collected from 56 healthy individuals and 55 CRC patients. According to the leukocytes levels in peripheral blood, the CRC patients were divided into hypoleukocytes group (n = 13) and normal leukocytes group (n = 42). Shannon index, Simpson index, Ace index, Chao index and Coverage index were used to analyze the d
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: Food sensitization (FS) is a common comorbidity in children with atopic dermatitis (AD), often leading to the atopic march. Identifying high-risk patients in primary care is crucial to prioritize specialist referrals and prevent unnecessary elimination diets.
OBJECTIVE: To develop and validate a machine learning (ML) based clinical decision support tool to predict IgE-mediated FS risk in infants and toddlers (0-3 years) diagnosed with AD using routine clinical and laboratory parameters.
METHODS: We conducted a retrospective cohort study of children diagnosed with AD. Patients wer
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.
The absence of clinically validated biomarkers and objective diagnostic protocols hinders the accurate and effective diagnosis of depression. Although machine learning has been increasingly explored in psychiatric diagnosis, there remains a pressing need to develop a reliable tool that integrates multimodal data-such as clinical features, cognitive functions, electroencephalographic microstates, and inflammation-associated proteins-to improve diagnostic accuracy and objectivity. One hundred and fifteen patients with depression and 66 healthy controls were included in this study, and data on th
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: Survival analysis is crucial in medical research. This study provides a comprehensive comparison of parametric, semi-parametric, and machine learning models for predicting disease-free survival (DFS) in colorectal cancer.
METHODS: Using data from 2,088 patients in a Phase III trial (Project Data Sphere), we evaluated parametric models (Lognormal, Generalized Gamma), semi-parametric models (CoxPH and stratified Cox model) and machine learning models (Random Survival Forests, XGBoost). Performance was assessed using Area under the curve (AUC) and Brier score.
RESULTS: After 10-fold
СтатьяСравнительное 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.
Introduction: Chronic obstructive pulmonary disease (COPD) is a leading cause of morbidity and mortality. Early identification and timely intervention for COPD exacerbations can reduce hospitalizations and complications, as well as improve patient outcomes. Methods: To develop and evaluate predictive models for COPD exacerbations using machine learning (ML), we performed a retrospective study using intensive care unit patient records. Records including 31,667 clinical notes and 10,489 vital signs were used to train and validate two machine learning models to predict COPD exacerbations in patie
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: This study aimed to develop and compare machine learning prediction models for Fear of Progression (FOP) in thyroid cancer survivors, providing an effective tool for early clinical identification of high-risk populations. METHODS: A cross-sectional study design was adopted, enrolling 356 thyroid cancer patients, among whom 33.5% exhibited clinically significant FOP symptoms. Predictive variables were systematically collected, including clinical characteristics, treatment regimens, and psychosocial factors. Five machine learning algorithms (logistic regression, elastic net, support v
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.
MedElevator
Войти в исследования