BACKGROUND: The current congenital heart disease (CHD) prediction tools lack adequate interpretability and convenience, hindering the development of personalized CHD management strategies. We developed a machine learning-based risk stratification model for CHD prediction.
METHODS: This study utilized data from 1,759 participants in a case-control study of CHD conducted across six birth defects surveillance hospitals located in Xi'an, Shaanxi Province, Northwest China, spanning from January 2014 to December 2016. The data was partitioned into training and testing datasets with a ratio of 7:3.
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.
INTRODUCTION: Bradykinesia, a cardinal physical dysfunction of Parkinson's disease (PD), is generally evaluated by Section III of the Moveme … ion system was proposed, incorporating the optimal sensor placement positions and appropriate score prediction algorithms. Specifically, seven machine learning models and four ensemble methods were explored for each of the five MDS-UPDRS III tasks.
RESULTS: The system was tested in 21 patients and eight control individuals. The performance of the system was evaluated …
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.
Artificial intelligence (AI) may improve perioperative risk prediction by integrating complex clinical and physiological data, but its performance and readiness for clinical use remain uncertain. We evaluated AI models predicting postoperative nausea and vomiting (PONV), perioperative hypotension, prolonged intensive care unit (ICU) stay, in-hospital mortality, and neurological complications after general anesthesia. We searched bibliographic databases from inception to June 2026 for studies developing or validating AI-based prediction models in surgical patients undergoing general anesthesia.
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: Ankylosing spondylitis (AS) is an autoimmune disease characterized by low back stiffness and pain, with no cure and a dearth of therapeutic targets.
METHODS: Identifying novel AS targets from a list of 5884 druggable genes using weighted gene coexpression network analysis (WGCNA), machine learning, and Mendelian randomization analysis. Investigating the biological functions of the targets through comprehensive bio-functional analyses; exploring immune-related functions of the targets based on single-cell analyses; developing a reliable AS risk prediction model based on the identif
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.
In the wagyu industry worldwide, high-quality marbling beef is produced by promoting intramuscular fat deposition during cattle fattening st … ing deep learning. 4000 fundus images from 50 Japanese Black cattle were used to train and test the prediction algorithms, and the model achieved an average 87%, 83%, and 80% accuracy for three levels of vitamin A deficiency classification (particularly 87% for severe level), demonstrating the effectiveness of camera system in vitamin A deficiency prediction, especiall …
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.
OBJECTIVE: The purpose of this study was to develop a risk prediction score for distinguishing benign ovarian mass from malignant tumors using CA-125, human epididymis protein 4 (HE4), ultrasound findings, and menopausal status. The risk prediction score was compared to the risk of malignancy index and risk of ovarian malignancy algorithm (ROMA).
METHODS: This was a prospective, multicenter (n=6) study with patients from six Asian countries. Patients had a pelvic mass upon imaging and were scheduled to undergo surgery. Serum CA-125 and HE4 were measured on preoperative samples, and ultrasound
СтатьяМногоцентровое исследованиеПоддержка 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: Genital tract infections pose a public health concern. In many low-middle-income countries, symptom-based algorithms guide treatment decisions. Advantages notwithstanding, this strategy has important limitations. We aimed to determine the infections causing lower genital tract symptoms in women, evaluated the Kenyan syndromic treatment algorithm for vaginal discharge, and proposed an improved algorithm.
METHODS: This cross-sectional study included symptomatic non-pregnant adult women presenting with lower genital tract symptoms at seven outpatient health facilities in Nairobi. Cli
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: Preeclampsia affects 2-8% of women and doubles the risk of cardiovascular disease in women after preeclampsia. This study aimed to develop a model based on machine learning to predict postpartum cardiovascular risk in preeclamptic women. Methods: Collecting demographic characteristics and clinical serum markers associated with preeclampsia during pregnancy of 907 preeclamptic women retrospectively, we predicted the cardiovascular risk (ischemic heart disease, ischemic cerebrovascular disease, peripheral vascular disease, chronic kidney disease, metabolic system disease or arterial h
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 accurate prediction of protein-ligand binding poses and affinities is central to structure-based drug design. In this study, we first benchmarked three distinct pose generation strategies for data sets from the ASAP Antiviral Challenge 2025: molecular docking (Glide and AutoDock Vina), ligand-based superposition (FlexS), and deep learning-based modeling (AlphaFold3, Boltz-2, DiffDock and Gnina). We evaluated their performance on binding pose prediction for ligands targeting SARS-CoV-2 and MERS-CoV main protease (Mpro). For binding affinity estimation, we implemented a machine learning-base
СтатьяСравнительное исследованиеПоддержка NIH: внешняя программаПоддержка 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: Disability in the aging population was a major public health challenge for aging nations, imposing a significant burden on healthcare resources. Accurate disability prediction models were essential for efficiently allocating long-term care resources and preventing disability. This study utilized healthcare claims data to construct a disease-based disability risk prediction model that identified high-risk disability groups and diseases with significant impacts on disability. The model informed the formulation of prevention strategies and resource allocation.
METHODS: This study ado
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.
OBJECTIVE: The objective of Part II is to analyze the dataset of extracted hemodynamic features (Case 3 of Part I) through computational intelligence (CI) techniques for identification of potential prognostic factors for periventricular leukomalacia (PVL) occurrence in neonates with congenital heart disease.
METHODS: The extracted features (Case 3 dataset of Part I) were used as inputs to CI based classifiers, namely, multi-layer perceptron (MLP) and probabilistic neural network (PNN) in combination with genetic algorithms (GA) for selection of the most suitable features predicting the occurr
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.
Patients with atrial fibrillation (AF) following transcatheter aortic valve replacement (TAVR) remain at risk of ischemic stroke (IS) and bleeding. However, traditional risk scores provide modest predictions of IS and bleeding in these patients. We aimed to develop machine learning (ML) models that predict IS, major gastrointestinal bleeding (MGIB), all clinically relevant bleeding (CRB), and net adverse clinical events (NACE) using data from patients in the ENVISAGE-TAVI AF trial. Ten ML algorithms were trained per outcome using nested cross-validation; the best-performing model (highest F1 s
СтатьяСравнительное исследованиеРандомизированное 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.
INTRODUCTION: Creating a prediction model incorporating multiple risk factors for intrauterine growth restriction is vital. The current study employed a machine learning model to predict intrauterine growth restriction.
METHODS: This cross-sectional study was carried out in a tertiary hospital in Bandar Abbas, Iran, from January 2020 to January 2022. Women with singleton pregnancies above the gestational age of 24 weeks who gave birth during the study period were included. Exclusion criteria included multiple pregnancies and fetal anomalies. Four statistical learning algorithms were used to b
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: Pulmonary fibrosing sarcoidosis is associated with increased mortality. This study was aimed to explore the prognosis value of a panel of parameters for predicting mortality.
METHODS: This retrospective study included 216 patients with confirmed stage 4 pulmonary sarcoidosis. Stage 4 diagnosis date served as baseline. The following information was systematically present at baseline: epidemiological characteristics; treatments; pulmonary function; composite physiologic index (CPI); systolic pulmonary artery pressure at echocardiography; pulmonary fibrosis extent, main pulmonary a
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: Hypertension is a leading risk factor for cardiovascular, cerebrovascular, and renal diseases, significantly worsening prognosis and quality of life. We aimed to develop and validate multimodal machine learning models integrating clinical and proteomic features for early prediction of hypertensive complications.
METHODS: We analyzed 502 166 participants from the UKB (UK Biobank). Proteomic profiling was performed using the Olink Explore platform. Clinical variables and complication outcomes were obtained from electronic health records. Features were selected using Cox proportional
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: Fluoroquinolones (FQs) are a cornerstone of most all-oral, shorter regimens endorsed by the World Health Organization for the treatment of rifampicin-resistant or multidrug-resistant tuberculosis (RR/MDR-TB). Knowledge of resistance to FQs can help guide regimen selection at the point of care. In settings where rapid testing for FQ resistance is unavailable, prediction models could support treatment decisions by identifying FQ resistance based on patient characteristics observable at the point of care. These prediction models have been typically developed and evaluated within a sin
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: Conventional risk score for predicting in-hospital mortality following Acute Coronary Syndrome (ACS) is not catered for Asian patients and requires different types of scoring algorithms for STEMI and NSTEMI patients.
OBJECTIVE: To derive a single algorithm using deep learning and machine learning for the prediction and identification of factors associated with in-hospital mortality in Asian patients with ACS and to compare performance to a conventional risk score.
METHODS: The Malaysian National Cardiovascular Disease Database (NCVD) registry, is a multi-ethnic, heterogeneous dat
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.
Antimicrobial resistance in N. gonorrhoeae is increasing globally, and ceftriaxone is the recommended treatment for empirical therapy in most settings. Developing molecular assays to detect decreased ceftriaxone susceptibility is critical. Using PathogenWatch, a public database of N. gonorrhoeae genomes, antibiotic susceptibility data and DNA sequences of different genes associated with ceftriaxone resistance were extracted. That information was used to determine the sensitivity and specificity of different molecular markers and algorithms to predict decreased susceptibility to ceftriaxone. A
СтатьяПоддержка NIH: внешняя программаПоиск 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: Late gadolinium enhancement (LGE) border zone on cardiac magnetic resonance imaging has been proposed as an independent predictor of ventricular arrhythmias. The purpose was to determine whether size and heterogeneity of LGE predict appropriate implantable cardioverter defibrillator (ICD) therapy in ischemic cardiomyopathy (ICM) and nonischemic cardiomyopathy (NICM) patients and to evaluate 4 LGE border-zone algorithms.
METHODS AND RESULTS: ICM and NICM patients who underwent LGE cardiac magnetic resonance imaging prior to ICD implantation were retrospectively included. Two semiau
Сравнительное исследованиеСтатьяПолный 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: Clinical management of patients receiving immune checkpoint inhibitors (ICIs) could be informed using accurate predictive tools to identify patients at risk of short-term acute care utilization (ACU). We used routinely collected data to develop and assess machine learning (ML) algorithms to predict unplanned ACU within 90 days of ICI treatment initiation.
METHODS: We used aggregated electronic health record data from 7,960 patients receiving ICI treatments to train and assess eight ML algorithms. We developed the models using pre-SARS-COV-19 COVID-19 data generated between January 20
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.
MedElevator
Войти в исследования