BACKGROUND: High-altitude polycythemia (HAPC) lacks a lifestyle-focused risk-stratification tool among lifelong high-altitude residents. Here we aimed to develop and validate a novel machine-learning predictive scoring system for HAPC using readily modifiable lifestyle variables in this population.
METHODS: In a high altitude cohort (≥4,500 m, n = 1,089), 82 candidate variables were reduced to seven lifestyle predictors via LASSO, Logistic regression, XGBoost and random forest models were trained and compared (10 fold cross validation).
RESULTS: Logistic regression achieved the best balance
СтатьяВалидационное 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.
Malnutrition significantly impacts the prognosis of elderly patients with stable chronic obstructive pulmonary disease (COPD). The objective of this study was to develop and validate an automated machine learning (AutoML) framework for predicting malnutrition risk in this population. Data from the National Health and Nutrition Examination Survey (NHANES) 2007-2012 were utilized for model development (n = 710). An independent clinical cohort (n = 330) from the First Hospital of Shanxi Medical University (China) served as the external validation set. Malnutrition status was defined according to
СтатьяВалидационное 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.
OBJECTIVE: To identify risk factors for postoperative major complications after resection of primary liver cancer and to develop machine learning-based risk prediction models. We compared the predictive performance of multiple machine learning algorithms and evaluated the optimal model and its potential clinical utility.
METHODS: We retrospectively enrolled 2,389 patients who underwent resection of primary liver cancer at the First Affiliated Hospital of Xinjiang Medical University between January 2013 and December 2024. According to the Clavien-Dindo (CD) classification, patients with CD gra
СтатьяВалидационное 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.
Breast cancer is the most frequently diagnosed cancer among women and persists as a societal problem worldwide. It remains a leading cause of cancer associated morbidity and mortality, specifically in low- and middle-income countries where access to timely diagnosis and treatment is often limited. This study aims to compare survival and classical machine learning models for predicting breast cancer survival in Ethiopia to identify approaches that balance predictive accuracy with interpretability. The study utilized retrospective data from 1164 women treated at Tikur Anbesa Specialized Hospital
СтатьяСравнительное 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.
Periprosthetic joint infection (PJI) following total hip arthroplasty (THA) is associated with a 25% 5-year mortality. Synthetic Minority Oversampling Technique (SMOTE) is a novel machine learning technique used in other surgical specialties to better predict outcomes, but has never been utilized in the field of orthopedics. This is the first study utilizing machine learning (ML) and SMOTE to predict the greatest risk factors for mortality following revision THA for PJI. This retrospective study utilized the Nationwide Readmissions Database to identify adult patients undergoing revision THA fo
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.
ObjectiveIn older adults with Type 2 diabetes mellitus (T2DM), the risk of delirium is significantly increased, driven by neuropathological alterations stemming from chronic insulin resistance. We utilized artificial intelligence and geriatric electronic health records to create an interpretable online machine-learning algorithm for predicting delirium risk. This tool facilitates prompt identification of high-risk elderly T2DM patients, enabling optimized interventions and improved clinical outcomes.MethodsThis retrospective cohort study identified older adults with T2DM using International Cl
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: Postoperative agitation (EA) is a common complication in pediatric patients, and its early identification is crucial for improving perioperative safety. This study aims to identify the risk factors for EA and develop an interpretable machine learning model.
METHODS: This multicenter retrospective study included 445 pediatric patients. Data from 321 patients from one center were used for model development, and 124 patients from another center were selected as an independent validation set. The development dataset was randomly divided into training and validation sets in a 8:2 ratio
СтатьяМногоцентровое исследованиеВалидационное 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: Falls are among the most common safety concerns in people with visual impairment and can lead to serious consequences, including fractures, prolonged hospitalization, and even death. Patients with glaucoma are at increased risk of falls due to visual field loss, impaired motor coordination, and declines in cognitive function compared with the general population. Resting pulse rate is an easily obtainable measure in routine clinical practice; however, its contribution to fall risk prediction in patients with glaucoma has not been sufficiently investigated. To address this knowledge
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: Dysphagia is recognized as one of the most common severe complications following cardiac surgery, with the potential to result in adverse clinical outcomes, including aspiration pneumonia, malnutrition, and prolonged hospitalization. Early identification of patients at high risk for postoperative dysphagia is critical for implementing targeted preventive interventions and improving clinical outcomes. However, traditional risk assessment approaches have inherent limitations in accurately predicting this complication. Accordingly, this study was designed to develop and validate a mac
СтатьяНаблюдательное 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.
OBJECTIVE: To analyze the clinical characteristics of children with invasive pneumococcal disease (IPD) admitted to Kunming Children’s Hospital from 2020 to 2024, and to develop a risk stratification model for pneumococcal meningitis among children with confirmed or highly suspected IPD using multiple machine learning algorithms. METHODS: A retrospective analysis was conducted on 65 pediatric patients with confirmed IPD, divided into a meningitis group (n = 37) and a non-meningitis group (n = 28). Clinical characteristics between the two groups were compared. Variable selection was performed u
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: Hepatitis B (HBV) is a chronic viral infection that can lead to cirrhosis, liver failure, and liver cancer, and has a profound impact on the patient's mental health. However, current depression screening mainly relies on self-filled scales and clinical experience, lacking objective and efficient prediction tools. This study aims to construct a risk prediction model for depression in hepatitis B patients based on machine learning, and explore the key features that affect the occurrence of depression, so as to optimize mental health management strategies.
METHODS: This study used th
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.
PURPOSE: Accurate prediction of postoperative pain can improve recovery quality and guide personalized pain management. This study aimed to develop and validate a machine learning (ML) model that predicts the presence of postoperative pain using biosignals recorded in the post-anesthesia care unit (PACU). METHODS: Adult patients who underwent surgery between January 2021 and December 2022 at Chungnam National University Hospital (CNUH) (n = 21,855) and Chungnam National University Sejong Hospital (CNUSH) (n = 2,356) in South Korea were included. Electrocardiography (ECG) and photoplethysmograp
СтатьяНаблюдательное 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.
BACKGROUND: Depression is a frequent comorbidity among individuals with chronic diseases, amplifying morbidity and complicating disease management. In Bangladesh, data on the prevalence and predictors of depression in this population remain limited, particularly using advanced machine learning (ML) approaches. METHODS: This cross-sectional study included 1,222 adult patients with clinically diagnosed chronic diseases, recruited from multiple healthcare centers between May and November 2024. Structured interviews collected information on sociodemographic, lifestyle, behavioral, clinical, and me
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 aim of this study was to investigate the frozen section (FS) accuracy in tailoring the surgical staging of patients affected by endometrial cancer, using 2 different risk classifications.
METHODS/MATERIALS: A retrospective analysis of 331 women affected by type I endometrial cancer and submitted to FS assessment at the time of surgery. Pathologic features were examined on the frozen and permanent sections according to both the GOG33 and the Mayo Clinic algorithms. We compared the 2 models through the determination of Landis and Koch kappa statistics, concordance rate, sensitivi
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: Infertility, defined as the inability to conceive after 12 months of regular unprotected sexual intercourse, is an important public health concern with significant social, psychological, and marital consequences. In this study, infertility was based on self-reported time to conception rather than clinical diagnosis; no clinical examination or male factor assessment was conducted, and outcome misclassification is therefore possible. Despite its importance, community-based evidence in Ethiopia remains limited. This study aimed to estimate the prevalence of infertility, identify facto
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.
AIM: To investigate the association between growth hormone (GH) pretreatment duration and cumulative live birth (CLB), identify key prognostic factors, and develop predictive models using logistic regression (LR) and machine learning (ML) algorithms among women undergoing in vitro fertilization (IVF) with GH supplementation.
METHODS: We conducted a retrospective cohort study of women undergoing IVF/intracytoplasmic sperm injection (ICSI) with GH between February 2015 and June 2023 at a single tertiary center. Five models were developed: LR, random forest (RF), extreme gradient boosting (XGBoo
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.
Antibiotic resistance poses a significant global health challenge, with its rapid emergence driven by inappropriate antibiotic use. This study aimed to develop and compare machine learning models to predict resistance to nine antibiotic classes in hospitalized patients, addressing the high-cost labeling challenge of medical data. We conducted a retrospective study using electronic medical records from three Korean tertiary care institutions (n = 59,551). Single-task learning models (Logistic Regression, XGBoost, LightGBM, CatBoost, Multi-Layer Perceptron) and multi-task learning models (Hard P
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.
This study aimed to develop an effective predictive model for postoperative arrhythmia following left atrial appendage occlusion using a machine learning (ML) algorithm. The objective was to identify risk factors of postoperative arrhythmia and provide accurate predictions for patients undergoing left atrial appendage occlusion (LAAO). Patients who underwent LAAO at the Seventh People's Hospital of Zhengzhou City between June 2016 and June 2018 were included. A comprehensive set of preoperative data, including demographic characteristics, medical history, preoperative scores, and surgical deta
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.
Patients with sepsis in the intensive care unit (ICU) are particularly vulnerable to the onset of sepsis-associated delirium (SAD), which is associated with an increased mortality rate. This retrospective cohort study employed machine-learning algorithms to develop a risk-prediction model for 30-day mortality in ICU patients with SAD. Patients with SAD in ICU were extracted from the MIMIC-IV database. Patients were classified into 2 groups: those who survived and those who did not, based on 30-day mortality following ICU admission. The patient data included in this study were subsequently divi
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: Bowel necrosis is a life-threatening condition requiring urgent surgical intervention. Early identification remains challenging due to nonspecific clinical presentations. This study aimed to develop and validate machine learning models for predicting bowel necrosis in adult patients.
METHODS: We conducted a multicenter retrospective cohort study including adult patients (≥ 18 years) presenting with acute abdominal pain between January 2021 and December 2023. Data were collected from electronic health records including demographics, clinical symptoms, laboratory parameters, and ima
СтатьяМногоцентровое исследованиеВалидационное 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.
MedElevator
Войти в исследования