High-dimensional analytical data pose persistent challenges for supervised multivariate regression, requiring a balance between predictive accuracy, stable performance, and transparent latent representations. However, classical latent-variable regression methods may not fully capture the predictor-response relationship when response-related information is relatively weak compared to dominant background variation, thereby limiting the extraction of informative latent representations. In contrast, flexible machine-learning algorithms can model more complex relationships but often require greater
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.
OBJECTIVES: Early neurological improvement (ENI) is an important prognostic indicator in patients with acute ischemic stroke (AIS) receiving intravenous thrombolytic therapy. This study aims to develop and validate a machine learning-based prediction model for ENI, enabling early and accurate estimation of the probability of ENI after intravenous thrombolysis in AIS patients and providing support for clinical decision-making.
METHODS: Clinical data from 305 AIS patients who underwent intravenous thrombolytic therapy were retrospectively collected and analyzed. The performance of 5 machine lea
Аннотация на английскомСтатьяПоиск 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: Cholangiocarcinoma (CHOL) is a highly aggressive malignancy with a poor prognosis. Homologous recombination deficiency (HRD) is associated with genomic instability and cancer progression, making it a potential therapeutic target. The aim of this study is to develop novel potential prognostic biomarkers and construct an HRD-based prognostic risk prediction model for CHOL to enhance clinical precision medicine.
METHODS: We analyzed HRD across cancers using multiple datasets including TCGA-CHOL, TCGA-LIHC, GDC TARGET-OS, and IMvigor210. HRD scores were calculated using data from Thor
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: The role of nicotinamide in improving cardiac function suggests its therapeutic benefit for acute myocardial infarction (AMI). This study aims to identify key genes associated with nicotinamide metabolism in AMI, offering novel insights into its therapeutic management. METHODS: The GSE60993 and GSE61144 datasets were retrieved from the database. Mendelian randomization (MR) analysis, Cytoscape-plugin cytoHubba algorithms, and expression validation were used to identify key genes linked to nicotinamide metabolism. Subcellular localization, gene set enrichment analysis (GSEA), immune
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: Small bowel obstruction (SBO) is a common emergency surgical disease for which identifying patients need emergency surgical resection due to nonviable small bowel tissue poses a significant challenge. This study aimed to develop and validate a predictive model to guide surgical decision-making using readily available clinical data.
METHODS: A retrospective cohort study was conducted using data from Wuhan Union Hospital between 2017 and 2023 to establish the prediction model, with an external validation cohort from two other medical centers. Six machine learning algorithms (Logisti
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: Early postoperative hypocalcemia is one of the most common complications after surgery for differentiated thyroid cancer (DTC) and may lead to prolonged hospitalization and impaired postoperative recovery. Most existing prediction tools are based on conventional regression methods and may be insufficient to capture complex interactions among clinical variables. This study aimed to develop and validate an interpretable machine learning model and a web-based calculator for early prediction of postoperative hypocalcemia in patients with DTC.
METHODS: This retrospective cohort study i
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.
Antimicrobial stewardship programs (ASPs) are essential in optimizing the use of antibiotics to address the global concern of antimicrobial resistance (AMR). Artificial intelligence (AI) and machine learning (ML) have emerged as promising tools for enhancing ASPs efficiency by improving antibiotic prescription accuracy, resistance prediction, and dosage optimization. This systematic review evaluated the application of AI-driven ASPs, focusing on their methodologies, outcomes, and challenges. We searched all of the databases in PubMed, Scopus, Web of Science, and Embase using keywords related t
СтатьяСистематический обзорПоиск 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: Diabetes mellitus (DM) is one of the most prevalent non-communicable chronic diseases globally, affecting an estimated 530 million adults in 2021, a number projected to rise to 780 million by 2045.
AIM: This study aimed to develop and validate a risk prediction model for 1-year chronic kidney disease (CKD) progression in patients with type 2 diabetes mellitus (T2DM) and CKD by employing various machine learning (ML) algorithms.
DESIGN AND METHODS: This study included a total of 12 151 patients with T2DM and CKD with eGFR between 30 and 59.9 ml/min/1.73 m2 from a tertiary hospital
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: Burn injuries are a common cause of trauma globally, with extensive burns (≥ 50% total body surface area burned) associated with high rates of sepsis and mortality. This study aims to identify risk factors associated with sepsis and mortality in extensively burned patients and to develop accurate, interpretable predictive models via machine learning algorithms.
METHODS: A retrospective cohort study was conducted utilizing data from two Burn Critical Care Units in Eastern China from 2012-2023. A total of 237 patients with extensive burns were included. We applied ten machine learni
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.
OBJECTIVE: This multicentre study aimed to develop and validate a machine learning (ML) model to predict postoperative nausea and vomiting (PONV) in patients undergoing sedated gastrointestinal endoscopy. We compared multiple algorithms, applied SHAP for feature interpretability, and translated the optimized model into a web-based tool.
METHODS: A total of 745 patients were prospectively enrolled from four tertiary hospitals in China, including a development cohort of 428 patients from the First Affiliated Hospital of Zhengzhou University (July-December 2023) and an external validation cohort
СтатьяМногоцентровое исследованиеПоддержка 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 recurrence rate of post-tuberculosis chronic pulmonary aspergillosis (post-TB CPA) is alarmingly high. This study aims to establish a risk prediction model utilizing machine learning algorithms to forecast the one-year recurrence risk of post-TB CPA.
METHODS: This retrospective study included all patients diagnosed with pulmonary tuberculosis complicated by chronic pulmonary aspergillosis at Wuhan Pulmonary Hospital in 2022. Ultimately, 220 patients were included for the significance analysis.The Least Absolute Shrinkage and Selection Operator LASSO regression analysis was util
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 and Objectives: The objective of this study is to assess the efficacy of a novel software risk score, PulsIn, in predicting cardiovascular diseases within an independent study conducted on subjects from the western region of Romania. Accurate prediction of cardiovascular events in hypertensive patients remains challenging when relying solely on traditional risk scores. This study proposes PulsIn, a composite risk score that integrates classical, echocardiographic, inflammatory, renal, and metabolic markers, combined with machine learning, to refine cardiovascular risk stratification
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.
Gastroesophageal reflux disease (GERD) profoundly compromises the quality of life, with prolonged untreated cases posing a heightened risk of severe complications such as esophageal injury and esophageal carcinoma. The imperative for early diagnosis is paramount in averting progressive pathological developments. This study introduces a wrapper-based feature selection model based on the enhanced Runge Kutta algorithm (SCCRUN) and fuzzy k-nearest neighbors (FKNN) for GERD prediction, named bSCCRUN-FKNN-FS. Runge Kutta algorithm (RUN) is a metaheuristic algorithm designed based on the Runge-Kutta
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.
INTRODUCTION: With the rapid development of artificial intelligence technology, machine learning algorithms have been widely applied at various stages of stroke diagnosis, treatment, and prognosis, demonstrating significant potential. A correlation between stroke and cytokine levels in the human body has recently been reported. Our study aimed to establish machine-learning models based on cytokine features to enhance the decision-making capabilities of clinical physicians.
METHODS: This study recruited 2346 stroke patients and 2128 healthy control subjects from Chongqing University Central Ho
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: Osteoporosis is one of the most common metabolic diseases that is characterized by a decrease in bone density and a loss of the quality of the bone structure. The use of deep learning in the prediction of osteoporosis can provide a non-invasive, cost-effective, and efficient approach. The aim of this study is to investigate the diagnostic accuracy of deep learning in the prediction of osteoporosis.
METHODS: This is a systematic review and meta-analysis study that was conducted on the diagnostic accuracy of deep learning algorithms for predicting osteoporosis. A literature search w
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.
BACKGROUND: Machine learning and deep learning techniques are now used extensively for atrial fibrillation (AF) screening, but their use for AF crisis forecasting has yet to be assessed in a clinical context.
AIMS: To assess the value of two machine learning algorithms for the short-term prediction of paroxysmal AF episodes.
METHODS: We conducted a retrospective study from an outpatient clinic. We developed a deep neural network model that was trained for a supervised binary classification, differentiating between RR interval variations that precede AF onset and RR interval variations far fr
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.
Otology & neurotology : official publication of the American Otological Society, American Neurotology Society [and] European Academy of Otology and Neurotology2020eng
OBJECTIVES: To predict postoperative cochlear implant performance with heterogeneous text and numerical variables using supervised machine learning techniques.
STUDY DESIGN: A supervised machine learning approach comprising neural networks and decision tree-based ensemble algorithms were used to predict 1-year postoperative cochlear implant performance based on retrospective data.
SETTING: Tertiary referral center.
PATIENTS: One thousand six hundred four adults who received one cochlear implant from 1989 to 2019. Two hundred eighty two text and numerical objective demographic, audiometric,
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: Ventilator management for children with hypoxemic respiratory failure may benefit from ventilator protocols, which rely on blood gases. Accurate noninvasive estimates for pH or P(aCO2) could allow frequent ventilator changes to optimize lung-protective ventilation strategies. If these models are highly accurate, they can facilitate the development of closed-loop ventilator systems. We sought to develop and test algorithms for estimating pH and P(aCO2) from measures of ventilator support, pulse oximetry, and end-tidal carbon dioxide pressure (P(ETCO2)). We also sought to determine w
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 and aim Orofacial neuropathic pain is a medical condition caused by a lesion or dysfunction of the nervous system and is one of the most challenging for dental clinicians to diagnose. Anticonvulsants, antidepressants, analgesics, nonsteroidal anti-inflammatory drugs, and other classes of medications are frequently used to treat this condition. Our study aimed to build a machine learning-based classifier to predict the need for anticonvulsant drugs in patients with orofacial neuropathic pain. Materials and methods A machine learning tool that was trained and tested on patients for pr
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: Intention to use contraceptives reflects an individual's or couple's plan to adopt contraceptive methods, supporting women's reproductive autonomy. It is associated with reduced unintended pregnancies, unsafe abortions, and high fertility rates, thereby improving maternal and infant health outcomes. Machine learning approaches can strengthen prediction accuracy and support evidence-based reproductive health planning. This study aimed to predict women's intention to use contraceptives in East Africa using machine-learning methods.
METHODS: We analyzed Demographic and Health Surve
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