BACKGROUND: The growing need for and interest in geomatics in the medical sector, as well as the pandemic crisis, led us to create a France-wide geomatics project aimed at producing several atlases of all-cause mortality at the municipal and submunicipal district levels via uMap France, a free and open-source collaborative map-sharing platform. In 2020, we decided to circumvent the obstacle of accessing detailed COVID-19 data by adopting a mortality-based approach to map the consequences of the crisis.
OBJECTIVE: The aim of the uMap study was to provide a webmapping platform with original vis
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: Hyperhomocysteinemia (HHcy) is recognized as an independent risk factor for coronary heart disease (CHD), yet accurately predicting CHD risk in patients with HHcy remains a challenge. This study aimed to develop and validate multiple machine learning models for predicting CHD risk in patients with HHcy and elucidate key predictors using Shapley Additive Explanation (SHAP) algorithms.
OBJECTIVE: This study aims to develop and validate machine learning models for predicting the risk of coronary heart disease in individuals with normal homocysteine levels, aiming to improve early ris
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: Autosomal dominant polycystic kidney disease (ADPKD), characterized by progressive cyst growth and renal decline, is the leading genetic cause of end-stage renal disease.
OBJECTIVE: This study aims to develop and validate machine learning (ML) models for predicting the risk of progression to dialysis in patients with ADPKD using a nationwide administrative database. Early identification of high-risk patients is critical for timely monitoring.
METHODS: This retrospective cohort study used data from Taiwan's National Health Insurance Research Database (2007-2018) to identify newly
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: Screening for atherosclerosis is essential for early intervention, but conventional screening methods are often invasive and resource-intensive. As a result, there is growing interest in leveraging AI with noninvasive tools such as retinal fundus imaging to enable opportunistic cardiovascular risk assessment. The deep-learning funduscopic atherosclerosis score (DL-FAS) is an AI-derived biomarker, generated by a deep learning model, that was developed in a previous study to reflect the likelihood of carotid artery atherosclerosis from retinal fundus images.
OBJECTIVE: This study ai
СтатьяМногоцентровое исследованиеВалидационное 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: Alzheimer disease and related dementias are increasing worldwide, with early detection during the mild cognitive impairment (MCI) stage critical for timely intervention. Driving behavior, which reflects everyday cognitive functioning, has emerged as a promising, noninvasive, and inexpensive digital biomarker when paired with machine learning. However, prior research has often relied on controlled settings, high-level features, or assumptions that fail to capture the sporadic nature of MCI, leaving a gap in modeling naturalistic driving data for robust early detection.
OBJECTIVE: T
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.
BACKGROUND: Mandatory notifications of infectious diseases in Germany were paper based until the implementation of DEMIS (Deutsches Elektronisches Melde- und Informationssystem für den Infektionsschutz; German Electronic Reporting and Information System) in 2020. DEMIS provides technical infrastructure for electronic reporting of infectious diseases to public health authorities, with the goal of streamlining processes through automation and reducing the burden of manual data entry.
OBJECTIVE: DEMIS provides Fast Healthcare Interoperability Resources (FHIR)-based interfaces for mandatory notif
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.
Distinguishing alcohol-associated steatohepatitis (ASH) from metabolic dysfunction-associated steatohepatitis (MASH) is challenging given the absence of pathognomonic differentiators. We developed and evaluated a weakly supervised deep learning model, as a single-institution proof-of-concept study, to test whether routine hematoxylin and eosin (H&E) whole-slide images (WSIs) of liver biopsies contain sufficient morphological information to predict steatohepatitis etiology at the slide level. A retrospective cohort of 1147 WSIs was assembled (train set: 1007, holdout test set: 140). Models were
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.
ABSTRACT: OBJECTIVE: Assess inter-rater agreement on clinician- and clinical decision support (CDS)-driven diuretic titrations and risk classifications to benchmark a semi-autonomous CDS (OTTO-FM).
ABSTRACT: METHODS: Secondary analysis of prospectively collected porcine data modeling postoperative fluid overload. Three pediatric cardiac intensivists rated items (reasonable/unsure/unreasonable) for clinician-driven (human phase; 29 items) and CDS-driven titrations with risk classification (CDS phase; 44 items). Inter-rater agreement was estimated with ordinal-weighted Gwet's AC2.
ABSTRACT: RE
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 clinical progression of chronic gastritis involves intricate temporal dependencies, which makes it difficult to capture both the dynamic trajectory of the disease and the underlying relationships among medical events using conventional methods.
OBJECTIVE: This study aims to dynamically predict chronic gastritis diagnosis. We propose RL4TKGR, a reinforcement learning-based temporal knowledge graph (TKG) reasoning model, to predict a chronic gastritis diagnosis.
METHODS: RL4TKGR incorporates a reinforcement learning policy network that uses a dual-path encoding module to model
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.
BACKGROUND: Norwegian Child and Adolescent Mental Health Services (CAMHS) use the World Health Organization's (WHO) multiaxial diagnostic system based on the International Classification of Diseases, Tenth Revision (ICD-10); however, analysis of prescribing patterns among axes I-III is underexplored in electronic health records (EHRs) with intertwined patient, episode of care, and contact information.
OBJECTIVE: This study aimed to develop and demonstrate an analytic pipeline for mining and mapping information from EHRs to facilitate understanding of clinical processes and support informed de
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: Pneumonia is a common infectious disease, and antibiotic treatment in hospitalized patients must balance efficacy, safety, and resistance risk. However, antibiotic selection and dose adjustment still rely heavily on clinician experience. Although large language models (LLMs) are promising for clinical reasoning, their direct use for antibiotic selection and dose recommendation is limited by hallucinations and weak adherence to clinical constraints.
OBJECTIVE: This study aimed to develop and externally validate a constrained LLM-based clinical decision support pipeline for antibiot
СтатьяМногоцентровое исследованиеВалидационное 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.
We discovered that the official list of clinical codes for pregnancy during the COVID-19 pandemic identified some unlikely pregnancies (for example, in older men), principally due to a code describing a specific fetal position ("knee presentation"), which notably lacks "fetal" in the code description. This is an informative example of commonly overlooked problems in creating and using clinical data.
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: The Cox proportional hazards (CPH) model is a common choice for analyzing time-to-treatment interruptions in patients on antiretroviral therapy (ART), valued for its straightforward interpretability and flexibility in handling time-dependent covariates. Machine learning (ML) models have increasingly been adapted for handling temporal data, with added advantages of handling complex, nonlinear relationships and large datasets, and providing clear practical interpretations.
OBJECTIVE: This study aims to compare the predictive performance of the traditional CPH model and ML models in
СтатьяСравнительное 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.
BACKGROUND: Predicting mortality among people living with HIV enables clinicians to implement timely, targeted, and preventive interventions at the start of antiretroviral therapy (ART). However, prognostic models must rely strictly on baseline predictors to avoid look-ahead bias and ensure scientific validity. This study evaluates machine-learning (ML) algorithms for baseline mortality prediction using routine electronic medical record data.
OBJECTIVE: This study aims to predict mortality among people living with HIV receiving ART using baseline clinical and sociodemographic characteristics
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: Tuberculosis (TB) remains a major global health challenge despite prevention efforts. AI offers promising approaches to long-sta … literature; the remainder addressed foundational biology, decentralized-learning methodology, immunoinformatics, and review literature rather than a specific TB application domain. Across this literature, technical validation-stage work markedly outweighed papers reporting clinical application, underscoring a technology-over-translation imbalance; key gaps pe …
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: Due to the heterogeneity of symptom terminology and the lack of industry standards, the same symptom is often described using multiple expressions. Current normalization approaches struggle to comprehensively retrieve standard terms when a raw term maps to multiple symptoms.
OBJECTIVE: This study aimed to address the lack of industry standards for traditional Chinese medicine (TCM) symptom terminology. This study proposed the split-then-concatenate normalization framework (STC-NF), a novel approach based on fine-grained semantic classification and a 2-stage deep learning architect
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: Augmented reality (AR) has emerged as a promising tool to enhance surgical precision during robot-assisted partial nephrectomy (RAPN), particularly by enabling the intraoperative overlay of 3D anatomical models. However, real-time AR implementation requires robust image segmentation of anatomical structures, such as the kidney, which remains technically challenging in dynamic laparoscopic environments.
OBJECTIVE: This study aimed to develop and validate a large, annotated image dataset to train deep learning models for automated segmentation of the renal parenchyma during RAPN, as
СтатьяВалидационное 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: Perioperative computed tomography (CT) imaging is essential for detecting postoperative recurrence and metastasis in cancer patients. However, large-scale automated extraction of oncological outcomes from CT reports remains limited by the unstructured nature of report text and wide variability in reporting styles. Radiology reports frequently contain linguistic ambiguities, including negations, hedging, and expressions conveying diagnostic uncertainty (eg, "cannot exclude recurrence" or "possibly metastatic"). Manual review is labor-intensive and constrains consistent extraction at
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: The Observational Medical Outcome Partners-Common Data Model (OMOP-CDM) is an international standard for harmonizing electronic medical record (EMR) data. However, since it does not standardize unstructured data, such as medical imaging, using this data in multi-institutional collaborative research becomes challenging. To overcome this limitation, extensions such as the Radiology Common Data Model (R-CDM) have emerged to include and standardize these data types.
OBJECTIVE: This work aims to demonstrate that by standardizing optical coherence tomography (OCT) data into an R-CDM for
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
BACKGROUND: As data-driven medical research advances, vast amounts of medical data are being collected, giving researchers access to important information. However, issues such as heterogeneity, complexity, and incompleteness of datasets limit their practical use. Errors and missing data negatively affect artificial intelligence-based predictive models, undermining the reliability of clinical decision-making. Thus, it is important to develop a quality management process (QMP) for clinical data.
OBJECTIVE: This study aimed to develop a rules-based QMP to address errors and impute missing value
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.
MedElevator
Войти в исследования