Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2 750 с найденным полным текстом
Journal of oral pathology & medicine : official publication of the International Association of Oral Pathologists and the American Academy of Oral Pathology2026eng
OBJECTIVE: This study aimed to develop and evaluate Machine Learning models to predict the malignant transformation (MT) in patients with actinic cheilitis (AC).
METHODS: Three hundred forty patients diagnosed with AC (322 in the no MT group, and 18 in the MT group) were carefully documented. The study used the Adaptive Synthetic Sampling to adaptively balance the dataset (322 in the no MT group and 319 in the MT group). Four supervised Machine Learning classifiers (Random Forest, Xtreme Gradient Boosting, Multilayer Perceptron, and Support Vector Machine) were trained and tested using 5-fold
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.
Cancer epidemiology, biomarkers & prevention : a publication of the American Association for Cancer Research, cosponsored by the American Society of Preventive Oncology2026eng
BACKGROUND: Machine learning enables complex risk prediction models, but comparative performance with statistical approaches remains context-dependent. We compared statistical and machine learning models for predicting advanced breast cancer risk.
METHODS: Using data from 968,178 women (40-74 years) undergoing 2,796,459 annual or 812,126 biennial screening mammograms (2005-2019) in the Breast Cancer Surveillance Consortium, we cross-validated models predicting advanced breast cancer within 12 months (annual) or 24 months (biennial) following screening. Models included conventional logistic 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.
Women with a history of gestational diabetes mellitus (GDM) are at elevated risk of developing type 2 diabetes mellitus (T2DM) postpartum. This study explores the use of interpretable machine-learning models to examine associations between clinical, metabolic, lifestyle factors and postpartum diabetes status among women with history of GDM. A publicly available dataset of 1,496 women with prior GDM, comprising 29 medical, anthropometric, laboratory, and lifestyle variables, was analyzed. Eight classifiers were evaluated using 5-fold stratified cross-validation, including Logistic Regression (L
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: Childhood anemia remains a major public health concern in sub-Saharan Africa (SSA), with Mozambique among the most affected countries. Despite the growing use of machine learning (ML) to enhance disease prediction, there is a lack of national-level evidence on its application to childhood anemia in low-resource settings. This study aimed to develop, compare, and interpret ML models to predict anemia among children under five years of age in Mozambique using nationally survey data. METHODS: Data were obtained from the 2022–2023 Mozambique Demographic and Health Survey (MDHS). The st
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: With approximately 50% of pregnancies being unplanned, there is an unintended exposure to potential feto-toxic drugs that may cause major congenital malformations (MCM). This study aims to compare the predictive performance between traditional pharmacoepidemiologic (PE) and machine learning (ML) models.
METHODS: We conducted a cohort study within the Quebec Pregnancy Cohort, including all pregnancies covered by Quebec's prescription drug insurance program and their children from 01/1998 to 12/2015. Medication exposures, comorbidities, and women's characteristics 12 months before p
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.
PURPOSE: Ensemble machine learning (ML) demonstrated potential for improving predictions based on big health care data. We developed and validated interpretable ensemble ML models in evaluating the nonadherence and nonpersistence of biological or targeted synthetic disease-modifying antirheumatic drugs (b/tsDMARDs) in rheumatoid arthritis (RA).
METHODS: This retrospective study used 5% Medicare claims data including older (aged ≥65 years) patients initiating b/tsDMARDs (the index date) between 2013 and 2019, who were diagnosed with RA (the International Classification of Diseases, Ninth and T
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: Despite a global decline in the incidence of gastric cancer (GC), the number of cases diagnosed among younger individuals continues to increase. Several studies have been conducted to develop predictive models of mortality in patients with GC.
OBJECTIVE: We developed 3- and 5-year survival prediction models for young patients with GC based on machine learning-based survival modeling approaches.
METHODS: Data from 813 young patients (≤50 years) diagnosed with GC between 2013 and 2015 were retrieved from the Gastric Cancer Public Staging Database. Among these 813 patients, data fro
СтатьяВалидационное 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.
PURPOSE: We aimed to develop a generalizable machine learning model that leverages electronic medical record (EMR) data to predict candidemia using information available on or before the date of blood culture collection.
METHODS: This study included adult patients admitted to Shin Koga Hospital (April 2014-March 2022) who underwent blood cultures at least 14 days after admission. We prepared two datasets: a "Complete case dataset" (13 variables, no missing values) and a "Imputed full-variable dataset" (36 variables, single imputation). We evaluated the discriminative performance of four machi
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: Chronic subdural hematoma (cSDH) recurrence requiring reoperation occurs in 5-33% of cases. Predicting recurrence could enable risk-stratified surveillance, reducing imaging in low-risk patients while maintaining monitoring for high-risk individuals. We evaluated whether machine learning could achieve clinically actionable recurrence prediction using routinely available variables.
METHODS: This retrospective single-center study included 564 consecutive patients undergoing surgical cSDH evacuation (2015-2023), randomly divided into training (75%, n = 422) and test (25%, n = 142) se
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.
ObjectiveWe aim to predict eosinophilic chronic rhinosinusitis with nasal polyps (ECRSwNP) employing preoperative clinical parameters and machine learning algorithms, evaluating, and selecting the optimal model.MethodsRetrospective collection of preoperative clinical parameters from 331 individuals suffering from chronic rhinosinusitis with nasal polyps. Independent predictors for ECRSwNP were determined through the application of the least absolute shrinkage and selection operator in conjunction with multivariate logistic regression. Four ML models for classification were constructed and cros
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: Multidrug-resistant (MDR) infections in intensive care units (ICUs) are difficult to recognize early. This study developed and validated an interpretable machine-learning model for early MDR risk prediction in ICU patients.
METHODS: A retrospective cohort was built from the Medical Information Mart for Intensive Care IV (MIMIC-IV, n=48,501) for model development with internal validation (7:3 split) and from MIMIC-III (n=38,583) for temporal validation. Candidate predictors at ICU admission included demographics, vital signs, laboratory indices, comorbidities, therapeutic intervent
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: Breast cancer is the most frequently diagnosed malignancy and a leading cause of cancer-related mortality among women worldwide. In Brazil, pronounced regional inequalities persist in access to timely diagnosis and treatment, particularly in large and socioeconomically heterogeneous states such as Mato Grosso. This study aimed to develop and validate machine learning (ML) models to predict 1-, 3-, 5-, and 10-year all-cause and breast cancer-specific mortality among women diagnosed with breast cancer in Mato Grosso, Brazil.
METHODS: A retrospective, population-based cohort study wa
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.
In this review, a comprehensive overview of the current state of artificial intelligence (AI) research in inflammatory bowel disease (IBD) diagnostics in the domains of endoscopy, radiology, and histology is presented. Moreover, key considerations for the development of AI algorithms in medical image analysis are discussed. AI presents a potential breakthrough in real-time, objective, and rapid endoscopic assessment, with implications for predicting disease progression. It is anticipated that, by harmonizing multimodal data, AI will transform patient care through early diagnosis, accurate pati
СтатьяОбзорПоиск 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.
AIMS: The aim of this research is to diagnose polycythaemia vera (PV) disease using different machine learning (ML) algorithms with complete blood count (CBC) parameters before further investigations such as Janus kinase 2 (JAK2), erythropoietin (EPO) and bone marrow biopsy (BMB).
METHODS: The study included 1484 patients who presented to the adult haematology clinic with elevated haemoglobin. Participants were retrospectively screened for JAK2, EPO and BMB results, and patients were categorised as PV group (n=82) and non-PV (other) (n=1402). First, the synthetic minority oversampling techniq
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: As an increasing number of studies apply artificial intelligence (AI) algorithms in osteoarthritis (OA) detection, we performed a systematic review and meta-analysis to pool the data on diagnostic performance metrics of AI, and to compare them with clinicians' performance.
MATERIALS AND METHODS: A search in PubMed and Scopus was performed to find studies published up to April 2022 that evaluated and/or validated an AI algorithm for the detection or classification of OA. We performed a meta-analysis to pool the data on the metrics of diagnostic performance. Subgroup analysis based
МетаанализСистематический обзорСтатьяПолный 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) is a major branch of computer science that is fruitfully used for analyzing complex medical data and extracting meaningful relationships in datasets, for several clinical aims. Specifically, in the brain care domain, several innovative approaches have achieved remarkable results and open new perspectives in terms of diagnosis, planning, and outcome prediction. In this work, we present an overview of different artificial intelligent techniques used in the brain care domain, along with a review of important clinical applications. A systematic and careful literature s
Поиск 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: Current clinical diagnostic models lack sufficient sensitivity and specificity for Hepatoblastoma (HB) individualized prediction. This study aimed to identify robust hub genes for HB diagnosis and molecular subtyping by integrating multiple transcriptomic datasets and machine learning algorithms.
METHODS: Four merged GEO hepatoblastoma datasets (GSE131329, GSE132037, GSE104766, GSE133039) were analyzed by differential expression and WGCNA to identify HB-related genes. Further use three algorithms (LASSO, SVM-RFE, Random Forest) to identify central genes. In addition, consensus clu
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.
PURPOSE: The most appropriate 4DCT image for radiomics analysis remains uncertain, with options including individual respiratory phases and motion-compensated (MC) reconstructions. This study compares radiomic features derived from MC reconstructions and patient-specific, 4D phases, evaluating their influence on feature selection, robustness to registration algorithms and implications for radiomics analysis.
METHODS: This study included 223 NSCLC patients. MC reconstructions (MCmean and MCmedian) were generated using three different registration algorithms and compared to a patient-specific o
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.
Several artificial intelligence (AI)-driven tools have emerged for the hemodynamic evaluation of critically ill and surgical patients. This article provides an overview of current developments and potential clinical applications of machine learning (ML) for blood pressure measurements, hypotension prediction, hemodynamic profiling, and echocardiography. ML algorithms have shown promise in enabling continuous, non-invasive blood pressure monitoring by analyzing pulse oximetry waveforms, though these methods require periodic calibration with traditional oscillometric brachial cuffs. Additionally
СтатьяОбзорПолный 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: In patients with structurally normal hearts, algorithms using surface electrocardiographic P-wave morphology are helpful to predict focal atrial tachycardia (FAT) location. However, these algorithms have not been formally assessed in patients with adult congenital heart disease (ACHD).
OBJECTIVES: This study sought to assess the efficacy of FAT-location prediction algorithms in an adult population of patients with ACHD.
METHODS: In this single-center retrospective cross-sectional study, FAT P-waves were classified as: 1) positive; 2) negative; 3) isoelectric; or 4) biphasic. FAT …
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.
MedElevator
Войти в исследования