PURPOSE: Based on the rising incidence of revision total knee arthroplasty (TKA), bundled payment models may be applied to revision TKA in the near future. Facility discharge represents a significant cost factor for those bundled payment models; however, accurately predicting discharge disposition remains a clinical challenge. The purpose of this study was to develop and validate artificial intelligence algorithms to predict discharge disposition following revision total knee arthroplasty.
METHODS: A retrospective review of electronic patient records was conducted to identify patients who und
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.
Recent advancements in artificial intelligence (AI) have significantly improved sleep-scoring algorithms, bringing their performance close to the theoretical limit of approximately 80%, which aligns with inter-scorer agreement levels. While this suggests the problem is technically solved, clinical adoption remains challenging due to ethical and regulatory requirements for rigorous validation, fairness, and human oversight. Existing validation methods, such as Bland-Altman analysis, often rely on simple correlation metrics, overlooking potential non-linear influences of external factors (e.g.,
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: With diabetes incidence growing globally and metformin still being the first-line for its treatment, metformin's toxicity and overdose have been increasing. Hence, its mortality rate is increasing. For the first time, we aimed to study the efficacy of machine learning algorithms in predicting the outcome of metformin poisoning using two well-known classification methods, including support vector machine (SVM) and decision tree (DT).
METHODS: This study is a retrospective cohort study of National Poison Data System (NPDS) data, the largest data repository of poisoning cases in the
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.
Schistosomiasis is a neglected tropical disease caused by helminths of the Schistosoma genus. Despite its high morbidity and socio-economic burden, therapeutics are just a handful with praziquantel being the main drug. Praziquantel is an old drug registered for human use in 1982 and has since been administered en masse for chemotherapy, risking the development of resistance, thus the need for new drugs with different mechanisms of action. This review examines the use of machine learning (ML) in this era of big data to aid in the prediction of novel antischistosomal molecules. It first discusse
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.
BACKGROUND: The World Falls Guidelines (WFG) propose an algorithm that classifies patients as low-, intermediate-, and high-risk. We evaluated different operationalizations of the WFG algorithm and compared its predictive performance to other screening tools for falls, namely: the American Geriatrics Society and British Geriatrics Society (AGS/BGS) algorithm, the 3KQ on their own and fall history on its own.
METHODS: We included data from 1509 adults aged ≥65 years from the population-based Longitudinal Aging Study Amsterdam. The outcome was ≥1 fall during 1-year follow-up, which was ascertai
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.
OBJECTIVES: Loneliness is a rising public health concern among older Japanese adults. We aimed to construct a predictive model for loneliness onset among older adults and evaluate its predictive performance.
METHODS: A total of 4050 participants responded to our survey (mean follow-up period: 3.1 [range, 2.8-3.3] years). Of these, 1806 older adults (age ≥ 65 years) who were not lonely at baseline were included. Loneliness was assessed using the UCLA Loneliness Scale (Version 3). A score of ≥ 44 indicated the presence of loneliness at follow-up. Predictive models for the onset of loneliness we
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.
Cystic fibrosis (CF), a genetic disorder stemming from CFTR gene mutations, requires accurate risk prediction to improve management. Modulator therapies have advanced treatment but remain limited, as they don't cover all gene variants and face accessibility issues. To address these challenges, a novel Cystic Fibrosis Risk Prediction Framework (CGRPF) is proposed. CGRPF utilizes mean imputation for missing data, the Fox Wolf Optimizer (FWO) for effective feature selection, and an AttentiveLSTM to capture temporal patterns in time-series data, aiding chronic disease prediction. Fully connected l
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.
Sequences of healthcare events from claims data are increasingly used for predictive modeling. Despite the rise in popularity of neural networks, the benefit of modeling event order and timing remains underexplored. We simulated patient trajectories using parameters estimated from claims data including 22,000 amyotrophic lateral sclerosis (ALS) cases and 22,000 age and gender-matched controls. The simulation reproduced irregular event timing and condition-related activity that increased near an incident diagnosis. We compared three model families for population classification: frequency-based
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: Based on machine learning prediction models, we explored the anemia treatment attainment of patients on maintenance hemodialysis (MHD) and identified important factors for personalized treatment of patients.
METHODS: We collected clinical data from 222 patients on MHD at West China Fourth Hospital, Sichuan University. Multiple machine learning models were applied to analyze the predictors of renal anemia treatment outcomes. A comprehensive evaluation was made in terms of discrimination, calibration and clinical utility. The top five important predictors were weighted according to
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.
Food insecurity remains a critical global challenge, with low-income countries such as Ethiopia bearing a disproportionate burden. In settings where frequent data collection is limited, developing predictive models provides a cost-effective means of anticipating risks to enhance rapid life-saving action, supporting timely evidence-based interventions. This study develops predictive models, applying Machine Learning (ML) approaches, capable of accurately forecasting household-level food insecurity. This study used data from the Ethiopia-High Frequency Phone Survey, collected by World Bank. The
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: Diabetic Retinopathy (DR) is among the most severe microvascular complications of diabetes, leading to visual impairment and diminished quality of life. This study developed and compared multiple machine learning models for DR risk prediction using population-based data from the Fujian Eye Study, aiming to identify the top five key predictors and establish a robust data-driven framework for early screening.
METHODS: Data were obtained from the Fujian Eye Study, comprising 8211 participants and 51 variables. After data preprocessing, five machine learning models-Logistic Regression
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.
Operational instability in biological wastewater treatment systems can lead to inefficient aeration and elevated energy consumption. Accurate prediction of key process variables, including ammonia nitrogen, dissolved oxygen (DO), and mixed liquor suspended solids (MLSS), is essential for maintaining stable nitrification and energy-efficient aeration control. However, imbalanced data distributions and rare abnormal events often reduce model robustness. To address this challenge, this study develops an integrated predictive and risk assessment framework that incorporates feature distribution smo
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.
Alzheimer's disease (AD) patients are particularly vulnerable to pneumonia and subsequent respiratory failure due to neurodegeneration-induced dysphagia and immunosenescence. Accurate prediction of mechanical ventilation (MV) need in this population remains a critical but unmet clinical challenge. This retrospective cohort study utilized the MIMIC-IV database to identify 793 critically ill AD patients diagnosed with pneumonia. Clinical variables were extracted and filtered using LASSO regression and multivariate logistic regression to identify key predictors. Five machine learning algorithms,
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: Delayed chemotherapy-induced nausea and vomiting (CINV) in pediatric oncology patients is currently under-recognized. This study aims to develop, validate, and visualize a machine learning-based model to predict delayed CINV risk in children.
PROCEDURE: This prospective cohort study was conducted from November 2021 to December 2022 at a tertiary hospital in southern China. Pediatric delayed CINV data were collected via an electronic diary using the Pediatric Nausea Assessment Tool (PeNAT) and National Cancer Institute-Common Terminology Criteria for Adverse Events (NCI-CTCAE) (v4.
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.
OBJECTIVE: Polycystic ovary syndrome (PCOS) is a leading cause of female infertility, and early pregnancy outcomes in affected women are affected by multiple interactive factors; however, no well-established predictive tools are available. This study aimed to develop and validate machine learning (ML) models for predicting early pregnancy in women with PCOS and compare the predictive performance of different ML algorithms.
METHODS: This was a secondary analysis of a multicenter randomized controlled trial including 994 PCOS patients recruited from 21 research centers. Candidate predictors inc
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: Osteoporosis is a common complication among long-term breast cancer (BC) survivors. Assessment of osteoporosis risk of patients before therapy is essential for timely intervention and long-term health management.
METHODS: We included female BC patients treated between 2018 and 2022 at a tertiary hospital in China. Baseline characteristics, hematologic parameters, and pathological subtypes were collected and stratified into four molecular groups based on hormone receptor and HER2 status. Twelve machine learning (ML) algorithms were developed, and the best-performing models were int
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.
Predicting live birth after the first IVF/ICSI treatment is challenging, as many factors may interact to affect IVF/ICSI outcomes. Adenomyosis is one factor that impacts live birth rates. Machine learning algorithms have been shown valuable for detecting complex dependencies and predicting outcomes in different clinical settings. We aimed to develop a prediction model for live birth after IVF/ICSI treatment, using the Extreme Gradient Boosting (XGBoost) algoritm and incorporating the revised Morphological Uterus Sonographic Assessment (MUSA) group features of adenomyosis. We used a machine lea
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.
OBJECTIVE: Predicting the surgical time required for mandibular third molar extraction is challenging because patient-, tooth-, and operator-related factors interact in complex ways. This study aimed to develop an interpretable machine-learning model using patient demographics, panoramic radiographic features, and surgeon-related variables.
STUDY DESIGN: We retrospectively reviewed 713 mandibular third molar extractions at a single university hospital. Models were developed using Prediction One, a no-code machine-learning platform. Because continuous-time prediction showed limited performance
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: Secondary hyperlipidemia is a common and serious complication in patients with clinically diagnosed depressive disorders, yet early screening tools are lacking. This study aims to develop and validate a machine learning-based model to predict the risk of secondary hyperlipidemia in this population.
METHODS: We conduct a retrospective study of 627 patients (mean age: 44.5 ± 13.5 years; 51.9% female). LASSO regression was utilized for feature selection, followed by the development of seven predictive models is used. Model performance is evaluated using the Area Under the Curve (AUC)
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.
Pediatric intestinal obstruction, a critical acute abdomen condition, carries a risk of intestinal necrosis. Decisions for urgent surgery lack standardized criteria. This study aimed to develop an explainable machine learning (ML) model to predict surgical indication, reducing diagnostic variability. A retrospective study included 642 children from our center (split into training/internal validation sets) and 137 from two external centers. Surgical indication was defined based on the presence of one or more of the following: evidence of peritonitis on physical examination, radiographic signs o
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.
MedElevator
Войти в исследования