BACKGROUND: Acute kidney injury (AKI) is a common and serious complication after the repair of Type A acute aortic dissection (TA-AAD). However, previous models have failed to account for the impact of blood pressure fluctuations on predictive performance. This study aims to develop machine learning (ML) models combined with intraoperative medicine and blood pressure time-series data to improve the accuracy of early prediction for postoperative AKI risk.
METHODS: Indicators reflecting the duration and depth of hypotension were obtained by analyzing continuous mean arterial pressure (MAP) moni
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.
BACKGROUND & AIMS: Tools that can automatically predict incident esophageal adenocarcinoma (EAC) and gastric cardia adenocarcinoma (GCA) using electronic health records to guide screening decisions are needed.
METHODS: The Veterans Health Administration (VHA) Corporate Data Warehouse was accessed to identify Veterans with 1 or more encounters between 2005 and 2018. Patients diagnosed with EAC (n = 8430) or GCA (n = 2965) were identified in the VHA Central Cancer Registry and compared with 10,256,887 controls. Predictors included demographic characteristics, prescriptions, laboratory results,
СтатьяПоддержка правительства СШАПоддержка 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.
Human cytomegalovirus (HCMV) has a broad cellular tropism and epithelial cells are important physiological targets during infection. The retinal pigment epithelial cell line ARPE-19 has been used to model HCMV infection in epithelial cells for decades and remains a commonly used cell type for studying viral entry, replication, and the cellular response to infection. We previously found that ARPE-19 cells, despite being derived from an epithelial cell explant, express extremely low levels of canonical epithelial proteins, such as E-cadherin and EpCAM. Here, we perform comparative studies of ARP
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.
Heat-related illnesses, which range from heat exhaustion to heatstroke, affect thousands of individuals worldwide every year and are characterized by extreme hyperthermia with the core body temperature (CBT) usually > 40 °C, decline in physical and athletic performance, CNS dysfunction, and, eventually, multiorgan failure. The measurement of CBT has been shown to predict heat-related illness and its severity, but the current measurement methods are not practical for use in high acuity and high motion settings due to their invasive and obstructive nature or excessive costs. Noninvasive predicti
СтатьяСистематический обзорПоиск 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.
Inadequate diagnostics compromise cancer care across lower- and middle-income countries (LMICs). We hypothesized that an inexpensive gene expression assay using paraffin-embedded biopsy specimens from LMICs could distinguish lymphoma subtypes without pathologist input. We reviewed all biopsy specimens obtained at the Instituto de Cancerología y Hospital Dr. Bernardo Del Valle in Guatemala City between 2006 and 2018 for suspicion of lymphoma. Diagnoses were established based on the World Health Organization classification and then binned into 9 categories: nonmalignant, aggressive B-cell, diffu
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
BACKGROUND: The high variability in the pharmacokinetics of tigecycline may impact therapeutic efficacy, particularly in critically ill patients. This study introduces machine learning (ML) methods, aiming to clarify their effectiveness in individualized drug exposure prediction and determine the optimal modeling strategy.
METHODS: The least absolute shrinkage and selection operator (LASSO) method was used to screen the covariates. Four ML models, random forest, extreme gradient boosting, multilayer perceptron, and long short-term memory network (LSTM), were trained and tested using 751 conce
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.
Artificial intelligence (AI) and machine learning (ML) are transforming urological practice; however, most clinicians lack the technical background required to develop, evaluate, or critically appraise predictive models. Existing resources are often written by data scientists for a technical audience, highlighting the need for a practical, clinician-oriented framework that enables urologists to build and deploy meaningful AI tools using data they already possess. Following an overview of the AI landscape in urology, we present a structured nine-part framework that includes clinical data apprai
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: Iodinated contrast media (ICM) used in contrast-enhanced CT (CECT) examinations may induce acute adverse reactions (AAR) with different severity. To improve upon traditional linear risk assessments, this study aims to develop and validate a machine learning (ML)-based predictive model for ICM-AAR using routinely available clinical factors from a large-scale real-world cohort.
METHODS: Five ML models including Logistic Regression, Random Forest, XGBoost, CatBoost and LightGBM were trained and validated on a retrospective cohort of 332,090 patients who underwent CECT scans between 2
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.
IntroductionLiver metastasis (LM) is the most common site of distant metastasis in gastric cancer (GC), significantly affecting patient prognosis. This study developed a machine learning (ML) model to predict the risk of liver metastasis in gastric cancer patients using data from the Surveillance, Epidemiology, and End Results (SEER) database.MethodsData from eligible GC patients between 2010 and 2015 were collected from the SEER database. Stratified randomization divided the data into a training set (70%, n=7671) and a validation set (30%, n=3287). Univariate and multivariate logistic regress
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: To develop and validate a machine learning (ML) model to assess the risk of chronic critical illness (CCI) in intensive care unit (ICU) patients with acute pancreatitis (AP).
METHODS: We utilised two large, publicly available ICU datasets, MIMIC-IV (v3.1) and the eICU Collaborative Research Database (v2.0), as the development cohort for model construction. A single-centre dataset from China (SZICU) was used for external validation. Three feature selection methods-stepwise regression, Least Absolute Shrinkage and Selection Operator (LASSO), and the Boruta algorithm-were employed. T
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.
In this secondary analysis of a German cross-sectional survey data, we investigated key determinants and predictors of telemedicine (TM) use among healthcare professionals (HCPs) treating cardiology patients. We applied Bayesian Model Averaging (BMA) for explanatory analysis and Machine Learning (ML) for predictive modeling. BMA identified TM determinants after excluding collinear variables and selecting variables based on LASSO regression. The extreme gradient boosting (XGBoost) ML algorithm predicted TM use and identified key predictors, using nested cross-validation to prevent overfitting.
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: Hepatocellular carcinoma (HCC) is a prevalent and lethal malignancy worldwide. Gut microbiota play crucial roles in liver disease progression and may offer noninvasive diagnostic value, yet microbial signatures specific to advanced HCC remain unclear.
METHODS: Seventy-six participants, including early-stage HCC (HCC12), advanced HCC (HCC34), liver cirrhosis (LC), and healthy controls (CG), were prospectively enrolled. Fecal samples underwent 16S rRNA sequencing to characterize microbial diversity and community composition. Differential taxa were identified using Kruskal-Wallis tes
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: Conventional machine learning (ML) models for predicting surgical outcomes have limitations in generalizability. We explored large language models (LLMs) as scalable alternatives to conventional ML models in predicting postoperative outcomes, including in-hospital 30-day mortality, intensive care unit (ICU) admission, and acute kidney injury (AKI).
METHODS: This study utilized the Informative Surgical Patient for Innovative Research Environment (INSPIRE) dataset (n = 80 985) from South Korea for model development and internal validation, and the Medical Informatics Operating Room
СтатьяСравнительное исследованиеВалидационное исследованиеМногоцентровое 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.
OBJECTIVE: Cognitive impairment is a common and debilitating complication after sepsis. This study aimed to develop and validate an interpretable machine learning (ML) model to predict post-sepsis cognitive impairment and identify key clinical risk factors.
METHODS: A retrospective cohort of 866 adult sepsis patients treated in our hospital between January 2020 and January 2025 was analyzed. Cognitive function was assessed 1-3 months after discharge using the Montreal Cognitive Assessment (MoCA), with scores < 26 indicating impairment. Key predictors were selected via least absolute shrinkage
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.
RATIONALE AND OBJECTIVES: To systematically evaluate the diagnostic performance of machine learning (ML) models for predicting Ki-67 expression in renal tumors and assess their potential for clinical translation.
MATERIALS AND METHODS: We systematically searched PubMed, Web of Science, Cochrane Library, and Embase up to November 2025. Studies using ML to predict Ki-67 with immunohistochemistry as reference standard were included. Quality was assessed with QUADAS-2. A bivariate random-effects model pooled diagnostic metrics. Meta-regression and subgroup analyses explored heterogeneity.
RESULT
СтатьяСистематический обзорМетаанализПоиск 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.
Ceramic matrix composites (CMCs) exhibit excellent high-temperature strength, oxidation resistance, and fracture toughness, making them superior to traditional metals and single-phase ceramics in extreme environments such as aerospace, nuclear energy equipment, and high-temperature protection systems. The mechanical properties of CMCs directly influence the reliability and service life of structures; thus, accurately predicting their mechanical response and service behavior has become a core issue in current research. However, the multi-phase heterogeneity of CMCs leads to highly complex stres
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.
BACKGROUND: The differentiation of pheochromocytoma (PCC) from other adrenal lesions, particularly in incidentalomas with non-benign radiological characteristics (size > 4 cm or density > 10 HU), remains a clinical challenge. The study aimed to develop and validate an interpretable machine learning (ML) model for pairwise differentiation of PCC from adrenocortical carcinomas (ACCs) and non-functioning adrenal adenomas (NAAs) and to identify the most important clinical features.
METHODS: We analyzed a dataset of 50 clinical, laboratory, and radiological parameters from 123 patients with histol
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: Adult-onset Still's disease (AOSD) is a systemic autoinflammatory disorder lacking a gold-standard diagnostic criterion.
OBJECTIVE: To develop and validate a clinically applicable model for identifying AOSD among patients with fever of unknown origin (FUO) who have clinical suspicion for AOSD.
METHODS: Clinical data (2010-2020) were divided into training and internal test set (7:3) using stratified random sampling according to disease status (AOSD vs non-AOSD). Feature selection was performed using Boruta, recursive feature elimination and least absolute shrinkage and selection o
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.
INTRODUCTION: Gastric cancer (GC) remains a major public health concern in Asia. Risk prediction tailored to regional biological features such as Helicobacter pylori (H. pylori) status and high-risk mucosal findings such as atrophic gastritis (AG) and intestinal metaplasia (IM) may help improve the screening workflow.
METHODS: Using a large, real-world, nationwide screening cohort with available endoscopic AG/IM codes, we developed 2-year GC risk prediction models that integrate AG/IM with regional demographic and lifestyle factors. We compared a conventional Cox proportional hazards model (C
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: Intraoperative anaphylaxis remains a rare yet fatal condition that has been a challenge due to its unpredictability. The unique characteristics of physiological parameter changes that precede or occur during the early stages of anaphylaxis may enable timely identification. We aimed to develop machine learning methods for the early detection of intraoperative anaphylaxis among patients with hypotension using real-world time-series physiological data.
METHODS: Physiological data, extracted from the EMRs at a 10-second sampling frequency, of patients undergoing surgeries at Peking Un
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.
MedElevator
Войти в исследования