pH-dependent drug-drug interactions (DDIs) commonly occur when acid-reducing agents (ARAs) are co-administered with weakly basic drugs. Although physiologically based pharmacokinetic (PBPK) modeling effectively evaluates such DDIs, its use is limited by reliance on costly commercial software. This study developed a PBPK-informed machine learning model to support early assessment of pH-dependent DDI risk in drug development. PBPK models were built for 14 representative weakly basic drugs using literature-derived parameters to identify eight key determinants (e.g., solubility and pKa). Based on
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.
Abnormal birth weight, including macrosomia and low birth weight, constitutes a significant global health burden associated with both immediate neonatal risks and long-term metabolic complications. However, accurate prediction remains challenging due to fragmented clinical indicators and a lack of model interpretability, limitations often inherent in traditional statistical approaches that struggle with complex, high-dimensional data. This study developed interpretable machine learning models that integrate multifaceted maternal and fetal characteristics to enhance prediction accuracy and faci
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: Time-series forecasting is crucial in pharmaceutical fermentation, where early detection of deviations safeguards product quality. As the industry evolves toward Pharma 4.0, integrating machine learning into process monitoring and control presents an opportunity to enhance efficiency, consistency, and regulatory compliance. However, currently there is a notable lack of reliable machine learning based predictive tools for complex pharmaceutical fermentations.
OBJECTIVE: To develop a machine learning model based on Gated Recurrent Units (GRUs) for predicting penicillin concentration
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: Lumbar fusion surgeries have increased substantially, making patient satisfaction an important indicator of surgical outcomes and quality of care. Conventional statistical approaches have limitations in predicting clinically significant improvement (CSI). This study aimed to develop a machine learning model to predict CSI after lumbar fusion surgery using only preoperative factors to support clinical decision-making.
MATERIALS AND METHODS: A total of 359 patients who underwent lumbar fusion surgery between January 2021 and December 2023 were included. Twenty-two preoperative variable
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.
Problem sports betting is an increasing public health concern, especially among young adults who are developmentally vulnerable to gambling-related harm. Although past studies have identified correlates of sports betting harm, most have not accounted for the potential influence of wide ranges of other variables in multivariable models. This study applied machine learning to identify the most influential predictors of problem sports betting in a sample of 221 young adults (ages 18–29; 77% male) from 35 U.S. states who reported recent engagement in sports betting. Two 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: Multicomponent programs combining therapeutic exercise, cognitive-behavioral therapy, and pain neuroscience education demonstrate overall efficacy for fibromyalgia (FM). However, a substantial proportion of patients do not achieve clinically meaningful improvement. This study aimed to identify predictors of nonresponse and to develop a prognostic classifier model.
METHODS: Participants (n=788) from multiple randomized controlled trials received a standardized 12-week multicomponent intervention. This secondary analysis defined nonresponse as a <20% reduction in Fibromyalgia Impact
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.
OBJECTIVE: Trigeminal neuralgia (TN) is a debilitating disorder characterized by severe facial pain. While percutaneous balloon compression (PBC) is an effective surgical treatment for TN, recurrence remains a significant concern, with varying reported rates. The identification of factors that contribute to recurrence after PBC is critical for improving treatment outcomes. However, existing predictive models for recurrence have limitations in accuracy and generalizability. This study aims to explore the influencing factors of TN recurrence after PBC and to construct a TN recurrence risk predic
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.
INTRODUCTION: This study aimed to develop and evaluate machine learning (ML) models for predicting treatment success, postoperative pain, and analgesic use following full pulpotomy in permanent molars with symptomatic irreversible pulpitis.
METHODS: This retrospective multicohort study included 214 molars with a minimum 2-year follow-up. ML models, including logistic regression, support vector machines, and random forest, were developed for classification tasks, whereas ridge regression was used for postoperative pain prediction. Model performance was assessed using the area under the receive
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: Achieving high retention of people living with HIV (PLHIV) in care remains a challenge in Uganda, despite substantial progress towards UNAIDS 95–95-95 targets. The purpose of this study was to apply and compare machine learning and deep learning models using de-identified longitudinal clinical data collected from HIV clinics in Uganda to predict clients at high risk of missing treatment appointments. Predictions were made at the visit level, and a missed appointment was defined as failure to attend a scheduled clinical visit within 28 days of the assigned return data in accordance
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: Clinical criteria for pertussis diagnosis and clinical case definitions for surveillance are based on a cough lasting two or more weeks. As several pertussis cases seek care earlier, a clinical tool independent of cough duration may support earlier recognition. We developed a data-driven algorithm aimed at predicting a laboratory confirmed pertussis.
METHODS: We enrolled children <12 months of age presenting with apnoea, paroxistic cough, whooping, or post-tussive vomiting, irrespective of the duration of cough. Patients underwent a RT-PCR test for pertussis and other viruses. Thr
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.
Drug solubility in supercritical carbon dioxide (SC-CO2) plays a pivotal role in the development of particle engineering, drug loading, and solvent-free pharmaceutical formulations. However, experimental solubility determination in supercritical systems remains costly, time-consuming, and compound-specific. In this study, an interpretable data-driven framework is proposed to support pharmaceutical formulation scientists by accurately predicting drug solubility in SC-CO2 while elucidating the governing physicochemical factors. Multiple machine learning regressors, including Extreme Gradient Boo
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 AND OBJECTIVE: This study aimed to develop machine learning algorithms to predict visual and anatomic outcomes and treatment frequency in patients with macular edema following central retinal vein occlusion (MEfCRVO) after intravitreal aflibercept injections (IAI).
PATIENTS AND METHODS: Data from patients from the COPERNICUS (n = 107) and GALILEO (n = 91) trials treated with monthly IAI 2 mg for 24 weeks then pro re nata (PRN) through week 52 were used to develop machine learning algorithms.
RESULTS: Machine learning algorithms predicted actual values at week 52 with strong correl
Клиническое исследование III фазыСтатьяМногоцентровое исследованиеРандомизированное 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.
PURPOSE: Intraoperative hypotension is associated with adverse outcomes. Predicting and proactively managing hypotension can reduce its incidence. Previously, hypotension prediction algorithms using artificial intelligence were developed for invasive arterial blood pressure monitors. This study tested whether routine non-invasive monitors could also predict intraoperative hypotension using deep learning algorithms.
METHODS: An open-source database of non-cardiac surgery patients ( https://vitadb.net/dataset ) was used to develop the deep learning algorithm. The algorithm was validated using e…
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: Targeted temperature management (TTM) has been associated with neurological recovery among comatose survivors of cardiac arrest. The aim of this study is to determine whether models leveraging acute phase multimodal data after intensive care unit admission (hyperacute phase) can predict short-term outcome after TTM.
METHODS: Clinical, physiologic, and laboratory data in the hyperacute phase were analyzed from adult patients receiving TTM after cardiac arrest. Primary end points were survival and favorable neurological outcome. Three machine learning algorithms were trained: genera
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.
Small infants for gestational age (SGA) and large infants for gestational age (LGA) have increased risk of complications during delivery and later in life. Prediction of the fetal weight is currently limited to biometric parameters obtained by ultrasound scans that can be imprecise. Biomarkers of fetal growth would be crucial for tailoring clinical management and optimizing outcomes for the mother and child. Seventy pregnant women participated in the current study, including 58, 7, and 5 giving birth to adequate for gestational age (AGA), SGA, and LGA infants, respectively. Maternal venous blo
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.
Tumor metastasis is the leading cause of death in cancer patients, with epithelial-mesenchymal transition (EMT) playing a key role. To systematically elucidate the cellular mechanisms and molecular networks through which EMT drives metastasis across cancers, this study integrated transcriptomic data from over 1.2 million single cells across 265 samples representing 12 primary epithelial cancers, constructing a comprehensive pan-cancer single-cell atlas covering diverse stages and metastatic states. By analyzing the metastatic features and interaction networks of malignant epithelial cells and
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: Intrahepatic cholangiocarcinoma (ICC) has a poor prognosis and is understudied. Based on the clinical features of patients with ICC, we constructed machine learning models to understand their importance on survival and to accurately determine patient prognosis, aiming to develop reference values to guide physicians in developing more effective treatment plans.
METHODS: This study used machine learning (ML) algorithms to build prediction models using ICC data on 1,751 patients from the SEER (Surveillance, Epidemiology, and End Results) database and 58 hospital cases. The models' pe
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.
BACKGROUND: Of all urothelial carcinomas (UCs), 25% are muscle invasive and associated with a 5-year overall survival rate of 50%. Findings regarding the molecular classification of muscle-invasive urothelial carcinomas (MIUCs) have not yet found their way into clinical practice.
OBJECTIVES: Prediction of molecular consensus subtypes in MIUCs with artificial intelligence (AI) based on histologic hematoxylin-eosin (HE) sections.
METHODS: Pathologic review and annotation of The Cancer Genome Atlas (TCGA) Bladder Cancer (BLCA) Cohort (N = 412) and the Dr. Senckenberg Institute of Pathology (SIP
Аннотация на английскомСтатьяПолный 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: During RT cycles, the tumor response pattern could affect tumor coverage and may lead to organs at risk of overdose. As such, early prediction of significant volumetric changes could therefore reduce potential radiation-related adverse effects. Nevertheless, effective machine learning approaches based on the radiomic features of the clinically used CBCT images to determine the tumor volume variations due to RT not having been implemented so far.
METHODS: CBCT images from 40 HN cancer patients were collected weekly during RT treatment. From the obtained images, the Clinical Target
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.
Chronic diseases are increasing in prevalence and mortality worldwide. Early diagnosis has therefore become an important research area to enhance patient survival rates. Several research studies have reported classification approaches for specific disease prediction. In this paper, we propose a novel augmented artificial intelligence approach using an artificial neural network (ANN) with particle swarm optimization (PSO) to predict five prevalent chronic diseases including breast cancer, diabetes, heart attack, hepatitis, and kidney disease. Seven classification algorithms are compared to eval
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