OBJECTIVE: Dysphagia is a significant ischemic stroke complication that can lead to aspiration. Identification of at-risk patients can be logistically difficult and costly. Researchers investigated whether quantitative ultrasound assessment of hyoid bone movement during induced swallowing would predict failure of videofluoroscopy (VFS) or fiberoptic endoscopic evaluation of swallowing (FEES), as determined by a penetration-aspiration scale (PAS) score. Additionally, ability of a machine learning (ML) algorithm to predict PAS success or failure from real-time ultrasound video recordings was ass
Наблюдательное исследованиеСтатьяПоиск 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: Active screening by mobile teams is considered the best method for detecting human African trypanosomiasis (HAT) caused by Trypanosoma brucei gambiense but the current funding context in many post-conflict countries limits this approach. As an alternative, non-specialist health care workers (HCWs) in peripheral health facilities could be trained to identify potential cases who need testing based on their symptoms. We explored the predictive value of syndromic referral algorithms to identify symptomatic cases of HAT among a treatment-seeking population in Nimule, South Sudan.
METHO
Оценочное исследованиеСтатьяПоддержка 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.
Machine learning techniques earn higher accuracy and robustness in multimorbidity prediction at this moment in time. Among various forms of multimorbidity, complex multimorbidity, especially the intersection of cardiometabolic disorders and mental health conditions, poses a serious threat to the public health system and needs special priority interventions. Within the scope of this context, current study aimed to define complex multimorbidity clusters using latent class analysis (LCA), test the performance of different machine learning models for accurate classification and prediction, and ide
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: Thymoma and thymic carcinoma are the most common tumors of the anterior mediastinum. However, there are little research on applying machine learning (ML) approaches to the prognostic prediction of thymoma and thymic carcinoma. The study aims to develop predictive models utilizing ML techniques to accurately forecast the 5-year survival of patients with thymoma and thymic carcinoma.
METHODS: Patients with malignant thymic neoplasms were identified in the Surveillance, Epidemiology, and End Results (SEER) 17 database, and their demographic and clinicopathological characteristics wer
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: The objective of this study was to identify the risk factors that influence metastasis and prognosis in patients with nodular melanoma (NM), as well as to develop and validate a prognostic model using artificial intelligence (AI) algorithms.
METHODS: The Surveillance, Epidemiology, and End Results (SEER) database was queried for 4,727 patients with NM based on the inclusion/exclusion criteria. Their clinicopathological characteristics were retrospectively reviewed, and logistic regression analysis was utilized to identify risk factors for metastasis. This was followed by employing
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.
We developed a reusable and open-source machine learning (ML) pipeline that can provide an analytical framework for rigorous biomarker discovery. We implemented the ML pipeline to determine the predictive potential of clinical and immunoproteome antibody data for outcomes associated with Chlamydia trachomatis (Ct) infection collected from 222 cis-gender females with high Ct exposure. We compared the predictive performance of 4 ML algorithms (naive Bayes, random forest, extreme gradient boosting with linear booster [xgbLinear], and k-nearest neighbors [KNN]), screened from 215 ML methods, in co
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: Splice prediction algorithms currently used in routine DNA diagnostics have limited sensitivity and specificity, therefore many potential splice variants are classified as variants of uncertain significance (VUSs). However, functional assessment of VUSs to test splicing is labour-intensive and time-consuming. We developed a decision tree to prioritise potential splice variants for functional studies and functionally verified the outcome of the decision tree.
MATERIALS AND METHODS: We built the decision tree, SEPT-GD, by setting thresholds for the splice prediction programs impleme…
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: The genetic cause of most congenital anomalies of the kidney and urinary tract (CAKUT) cases remains unknown, therefore the nove … ty in CAKUT. We integrated microarray gene expression data and miR target predictions from multiple prediction algorithms using Co-inertia analysis (CIA) in conjunction with correspondence analysis and between group analysis, to produce a ranked list of miRs associated with CAKUT. The CIA included five different sequence based miR target prediction algorithms and the C …
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/OBJECTIVES: Preterm birth (PTB), defined as birth before 37 completed weeks of gestation, is a major global health challenge and a leading cause of neonatal mortality. PTB is broadly classified into spontaneous and medically indicated (iatrogenic), which have distinct etiologies. While prediction is key to improving outcomes, there is a lack of models that specifically differentiate between spontaneous and iatrogenic PTB subtypes. This study aimed to develop and validate predictive models for the prediction of spontaneous and iatrogenic PTB at <32, <34, and <37 weeks' gestation usin
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: Heart failure (HF), a core component of cardiovascular diseases, is characterized by high morbidity and mortality worldwide. By collecting and analyzing routine blood data, machine learning models were built to identify the patterns of changes in blood indicators related to HF.
METHODS: We conducted a statistical analysis of routine blood data from 226 patients who visited Zhejiang Provincial Hospital of Traditional Chinese Medicine (Hubin) between May 1, 2024, and June 30, 2024. The patients were divided into an experimental group (HF patients) and a normal control group. Additio
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.
OBJECTIVE: Current predictive models for gestational diabetes mellitus (GDM) largely overlook the role of social network factors. This study aimed to develop and validate an early GDM prediction model by integrating social network characteristics with traditional non-invasive predictors using machine learning (ML).
METHODS: This prospective cohort study enrolled 2,433 pregnant individuals from four branches of Qingdao University Affiliated Hospital as the model development cohort and external validation cohort. After screening variables via univariate analysis, significant predictors were use
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.
PURPOSE: This study aimed to develop a deep learning model for predicting distal aortic remodeling after proximal thoracic endovascular aortic repair (TEVAR) in patients with Stanford type B aortic dissection (TBAD) using computed tomography angiography (CTA).
METHODS: A total of 147 patients with acute or subacute TBAD who underwent proximal TEVAR at a single center were retrospectively reviewed. The boundary of aorta was manually segmented, and the point clouds of each aorta were obtained. Prediction of negative aortic remodeling or reintervention was accomplished by a convolutional neural
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.
Mycosis fungoides (MF) is the most prevalent type of cutaneous T cell lymphomas. Studies on the prognosis of MF are limited, and no research exists on the potential of artificial intelligence to predict MF prognosis. This study aimed to compare the predictive capabilities of various machine learning (ML) algorithms in predicting progression, treatment response, and relapse and to assess their predictive power against that of the Cox proportional hazards (CPH) model in patients with early-stage MF. The data of patients aged 18 years and over who were diagnosed with early-stage MF at Ankara Univ
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: A frequent sequela of stroke is upper limb (UL) impairment. Accurate UL function prognosis is crucial for targeted rehabilitation.
OBJECTIVE: To determine the accuracy of physiotherapists' predictions of UL function and investigate whether prediction accuracy is affected by physiotherapists' seniority within rehabilitation and/or their level of education. Physiotherapist predictions were compared with a prediction algorithm.
METHODS: Data from 81 patients were included. Two weeks post-stroke, physiotherapists predicted UL function based on clinical reasoning. ARAT scores (poor, 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.
OBJECTIVE: This study aims to develop a predictive model for the risk of major adverse events (MAEs) in type A aortic dissection (AAAD) patients with malnutrition after surgery, utilizing machine learning (ML) algorithms.
METHODS: We retrospectively collected clinical data from AAAD patients with malnutrition who underwent surgical treatment at our center. Through least absolute shrinkage and selection operator (LASSO) regression analysis, we screened for preoperative and intraoperative characteristic variables. Based on the random forest (RF) algorithm, we constructed a ML predictive model,
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.
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2024eng
PURPOSE: Cauda Equina Syndrome (CES) is a rare surgical emergency. The implications for loss of quality of life through delayed management are high, though no clinical symptom is pathognomonic in its diagnosis. We describe how machine learning based algorithms can be used in triaging patients with suspected CES (CES-S).
METHODS: Data of 499 patients who underwent MRI scan for CES-S was collected for demographics, red flag symptoms and radiological outcome. The dataset was used to train the machine learning algorithm in predicting MRI-derived diagnosis of CES. In the testing phase output predi
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: Pulmonary arterial hypertension (PAH) is a rare and progressive disease associated with substantial clinical heterogeneity and high health care costs. While machine learning (ML) has been increasingly applied to predict clinical outcomes, approaches that integrate clinical prediction with downstream economic modeling remain limited.
OBJECTIVE: This study proposes and evaluates an ML-based framework that combines prediction of future functional status with estimation of associated health care costs in patients with PAH.
METHODS: In this retrospective cohort study, data from 181 pa
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.
IntroductionBrain metastases (BM) represent a common and fatal progression in small cell lung cancer (SCLC), yet prognostic tools for this population remain underdeveloped. This study aimed to establish and externally validate a machine learning-based model to predict overall survival (OS) in SCLC patients with BM.MethodsWe extracted clinical data from 2392 SCLC patients with BM from the SEER database to construct prognostic models using Cox regression, AJCC staging, and four machine learning algorithms: Random Survival Forest (RSF), Extreme Gradient Boosting (XGB), Elastic Net (Enet), and Art
СтатьяВалидационное исследованиеПолный 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.
Lung cancer remains the leading cause of cancer-related incidence and mortality worldwide. Its tendency for postoperative distant metastasis significantly compromises long-term prognosis and survival. Accurately predicting the metastatic potential in a timely manner is crucial for formulating optimal treatment strategies. This study aimed to comprehensively compare the predictive performance of nine machine learning (ML) models and to enhance interpretability through SHAP (Shapley Additive Explanations), with the goal of developing a practical and transparent risk stratification tool for posto
СтатьяСравнительное исследованиеПоиск 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.
Acute rhinosinusitis (ARS) is a heterogeneous catarrhal or purulent inflammatory disease of the sinus mucosa with critical risks in the intensive care unit (ICU). Current mortality models lack specificity for their unique pathophysiology, necessitating tailored prediction tools. We conducted a retrospective analysis of 3 large ICU databases: Medical Information Mart for Intensive Care (MIMIC)-IV-3.1 (n = 392), MIMIC-III-CareVue (n = 89), and electronic intensive care unit collaborative research database -2.0 (n = 78). We employed the Boruta algorithm for feature selection and developed 9 machi
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.
MedElevator
Войти в исследования