BACKGROUND: Deep vein thrombosis (DVT) detected between temporary external fixation and staged definitive surgery can complicate perioperative management of lower-leg and ankle fractures. We developed machine-learning models to estimate DVT probability during this interval.
METHODS: This retrospective cohort included adults admitted during 2015-2025 who underwent staged fixation and bilateral lower-extremity venous ultrasonography. A stratified 70:30 split defined development and validation sets. Development-set imputation, Boruta feature selection, and five-fold cross-validation were used to
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.
INTRO: Hyponatremia is a common complication in patients with cancer and is associated with poor prognosis; however, early detection remains challenging. Existing models often rely on laboratory parameters directly related to sodium levels, limiting early risk identification before electrolyte testing. This study developed a machine learning model to predict severe hyponatremia 1 day before its occurrence using longitudinal prescription and diagnostic data without relying on serum electrolyte variables.
METHODS: This retrospective single-center study included 33,160 adult patients (2010-2021)
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: Older adults with metabolic dysfunction-associated steatotic liver disease have elevated cardiovascular disease (CVD) risk, yet conventional models, such as the Framingham Risk Score, rely on linear assumptions and were developed for younger populations. Nonlinear machine learning approaches may improve risk prediction in this high-risk group.
METHODS: Using Korean National Health Insurance Service data, this population-based cohort study followed up 67 575 adults, aged ≥65 years, with metabolic dysfunction-associated steatotic liver disease (assessed 2009-2010) for incident CVD,
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 (AMR) has caused a global public health crisis, contributing to approximately five million deaths in 2019 and predicted deaths of approximately ten million annually by 2050. This equates to approximately 1.4-fold more deaths annually from AMR in 2050 than the entire COVID-19 pandemic to date. To tackle this AMR pandemic, regulatory and policy frameworks have been prepared at local, national and international levels with multi-faceted proposals and advances encompassing surveillance, diagnostics, infection prevention, antibiotic prescribing and variation of existing and
СтатьяОбзорПоиск 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.
Objectives: To develop and validate an individualized prediction model for assessing the risk of illness uncertainty in patients with malignant tumors, using a cross-sectional design. Methods: Patients with malignant tumors treated at Peking University People's Hospital from August 2024 to January 2025 were enrolled. The Mishel Uncertainty in Illness Scale (MUIS) was used to classify patients into high-risk and low-to-moderate risk groups. Patients were divided into a model development set and a time-stratified validation set. The development set was further randomly split into a training set
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 AND AIMS: ECMO is used to deliver cardiopulmonary support in extreme failure where standard therapies are unfruitful. Although ECMO is associated with high costs and significant risks, advances in technology and clinical management have improved its safety and patient outcomes. AI/ML may provide decision support through data analysis to alert clinicians to potential safety issues, detect complications, and help inform pump/ventilator settings. The primary objective of this scoping review is to examine the applications of AI and machine learning in patients receiving various ECMO mod
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.
Rationale: Circulating hybrid cells expressing both epithelial and immune markers have emerged as indicators of dynamic tumor-immune interactions. This study aimed to characterize circulating hybrid cells co-expressing KRT18 (pan-cytokeratin) and PTPRC (CD45), termed KP_Pos, in metastatic prostate cancer (mPCa), and to assess their molecular features, tumor microenvironmental (TME) origins, and clinical relevance. Methods: Imaging mass cytometry (IMC) was used to examine spatial relationships between CK⁺ tumor and CD45⁺ immune cells in metastatic prostate tissues. Single-cell RNA sequencing (s
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: Prompt differentiation between ischemic stroke (IS) and hemorrhagic stroke (HS) is critical because their treatment strategies fundamentally differ. While neuroimaging is essential, clinical decision-making often begins before imaging is completed, and conventional clinical scores have shown inconsistent performance. The objective of this study was therefore to develop and externally validate a machine-learning model that supports HS vs. IS subtype suspicion at emergency department (ED) presentation using only clinical variables.
METHODS: We conducted a retrospective multicenter c
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: The Golden Hour of trauma care in Low- and Middle-Income Countries (LMICs) is routinely compromised by systemic deficits, including unmapped infrastructure, chronic traffic congestion, and a critical scarcity of diagnostic tools. While high-income countries utilize Artificial Intelligence (AI) to optimize mature systems, AI in the Global South acts as a structural substitute to leapfrog foundational barriers. This scoping review maps AI applications in LMIC prehospital care and evaluates their implementation feasibility.
METHODS: Following PRISMA-ScR guidelines, a systematic searc
СтатьяScoping ReviewПоддержка 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: This study aimed to develop and internally evaluate interpretable machine learning models for predicting 28-day all-cause mortality among patients with liver cancer admitted to the intensive care unit (ICU).
METHODS: A total of 507 ICU patients with liver cancer were identified from the Medical Information Mart for Intensive Care IV database. Patients were randomly divided into a training set and a test set at a ratio of 7:3 using stratified sampling. Candidate predictors were restricted to variables available at ICU admission or within the first 24 h after ICU admission. Feature s
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: Bone erosion (BE) is a critical prognostic indicator in rheumatoid arthritis (RA). This study aimed to develop and validate an interpretable machine learning (ML) model for predicting BE risk in RA patients using the Shapley Additive exPlanations (SHAP) framework.
METHODS: This multi-center retrospective study enrolled 412 RA patients without baseline BE. Patients were stratified into BE and non-bone erosion (NBE) groups confirmed by MRI or musculoskeletal ultrasound after a 2-year follow-up. After data preprocessing, including K-nearest neighbors imputation and synthetic minority
СтатьяМногоцентровое 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.
Background: To facilitate appropriate medical stratification in clinical settings, this research leveraged externally validated machine-learning models to screen for microvascular complications specifically in the type 1 diabetes (T1D) population. Methods: By utilizing a cohort of 433 individuals with T1D from Peking University People's Hospital, we implemented eXtreme Gradient Boosting-based modeling combined with internal cross-validation to identify 3 microvascular complications: diabetic retinopathy (DR), diabetic nephropathy (DN), and diabetic peripheral neuropathy (DPN). The models were
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: To quantify individual variations between subjective and objective refraction, explore correlations between multimodal imaging features, clinical parameters and refraction discrepancies, screen independent influencing factors, and construct a predictive model to provide technical support for personalized refractive surgery.
METHODS: A total of 264 myopic patients (264 eyes) were enrolled. Paired t-test and Bland-Altman analysis were used to quantify refraction differences. Correlation analysis, multivariate regression, and machine learning algorithms were applied to explore influenci
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: Individual responses to recombinant human growth hormone (rhGH) therapy vary widely among children with idiopathic growth hormone deficiency (iGHD) and idiopathic short stature (ISS), making accurate prediction of treatment outcomes clinically important. This study aimed to develop and compare machine learning (ML)-based and conventional statistical models to predict short-term growth response and mid-parental height (MPH) attainment following rhGH therapy in iGHD and ISS patients.
DESIGN: Retrospective observational cohort study using a nationwide, real-world registry.
PATIENTS:
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.
IMPORTANCE: Accurate prediction of intubation in critically ill patients could enable interventions that improve patient outcomes. However, the performance of intensive care physicians compared with machine learning (ML) models remains unknown.
OBJECTIVES: To investigate intensive care physicians' ability to predict the need for intubation within 24 hours and compare their performance against an established ML model, Vent.io.
DESIGN, SETTING, AND PARTICIPANTS: This prospective observational study in two ICUs surveyed intensivists to test their ability to predict the need for intubation of ad
СтатьяНаблюдательное исследованиеСравнительное 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.
Background/Objectives: Dilated cardiomyopathy (DCM) and hypertrophic cardiomyopathy (HCM) are common cardiomyopathies associated with heart failure. Electrocardiogram (ECG) screening before an echocardiogram could help streamline diagnosis, particularly in rural areas. Prior ECG-machine learning (ML) studies do not use open-source data when studying cardiomyopathy, and very few proprietary studies directly compare HCM and DCM or address ECG differences within obstructive (HOCM) and non-obstructive HCM (HNCM). Methods: Standard and vectorcardiogram-derived (VCG) ECG features were extracted from
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: Early detection of gastric cancer is critical for improving survival. Although established risk factors are known, few studies comprehensively assess individual gastric cancer risk across diverse clinical features, particularly within a general screening population. Existing machine learning (ML) models often rely on high-risk clinical cohorts or utilize classification methods that fail to account for the essential time-to-event nature of survival data, thus limiting their utility for developing personalized, long-term screening strategies in asymptomatic individuals. This study ai
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: Understanding how SGLT2 inhibitors (SGLT2is) and GLP-1 receptor agonists (GLP-1RAs) are prescribed in relation to cardiorenal risk is crucial for assessing adherence to guidelines and optimize outcomes in type 2 diabetes (T2D). This study aimed to determine whether prescription patterns across different cardiorenal phenotypic subgroups reflect clinical risk or are affected by demographic factors. Explainable artificial intelligence (XAI) was used to identify the key factors influencing therapeutic decisions. METHODS: We analyzed 139,202 adults with T2D from the Italian AMD Annals r
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.
INTRODUCTION: Patients receiving thoracic radiotherapy (RT) have an increased risk of major adverse cardiac events (MACE) posttreatment. We utilized machine learning (ML) to discover novel predictors of MACE and validated them on an external cohort.
METHODS: This multi-institutional retrospective study included 984 patients [n = 803 non-small cell lung cancer (NSCLC), n = 181 breast cancer] treated with radiotherapy. Extreme gradient boosting was utilized to discover novel clinical, dosimetric, and anatomical features (CT-based cardiac substructure segmentations) associated with MACE in a coh
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.
INTRODUCTION: We aimed to develop a machine learning (ML) model to predict the risk of coronavirus disease 2019 (COVID-19) among three-dose BNT162b2 vaccine recipients in Hong Kong.
METHODS: A total of 304 individuals who had received three doses of BNT162b2 were recruited from three vaccination centres in Hong Kong between May and August 2021. The dataset was randomly divided into training (n=184) and testing (n=120) sets in a 6:4 ratio. Demographics, co-morbidities and medications, blood tests (complete blood count, liver and renal function tests, glycated haemoglobin level, lipid profile,
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