MOTIVATION: Combination therapies have demonstrated improved efficacy across diverse clinical settings. Predicting antibacterial drug synergy remains difficult due to strain variability and the limited scale of experimentally tested combinations. Existing machine-learning approaches for synergy prediction often rely on permissive cross-validation schemes that allow drug pairs to re-appear across folds, leading to inflated performance metrics. A rigorous evaluation framework and scalable feature representation are needed for robust generalization.
RESULTS: We assembled a curated dataset of 3,1
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: Immune checkpoint inhibitor (ICI)-related cardiovascular toxicity is associated with high mortality, and prediction models may facilitate its prevention and management. However, the predictive performance, quality, risk of bias, and applicability of existing models remain unclear.
OBJECTIVE: To systematically review prediction models for ICI-related cardiovascular toxicity.
METHODS: Nine databases were searched for studies on prediction models for ICI-related cardiovascular toxicity from inception to July 12, 2026. Data were extracted in accordance with the Checklist for Critical
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.
TOPIC: This review evaluated the performance of artificial intelligence (AI) models for predicting outcomes after vitreoretinal surgery compared with conventional statistical approaches.
CLINICAL RELEVANCE: The ability of AI to analyze high-volume and diverse data may augment preoperative prognostication to better facilitate counseling and surgical planning.
METHODS: After registration (NPLASY202380012; https://doi.org/10.37766/inplasy2023.8.0012), a search was conducted in MEDLINE, Embase, Cochrane databases, Compendex, IEEE, Web of Science, and Scopus, supplemented by gray literature-prima
СтатьяМетаанализСистематический 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.
PURPOSE: Prediabetes increases the risk of type 2 diabetes mellitus (T2DM). Accurate prediction is crucial for early prevention, but evidence on prediction models has not been comprehensively synthesized. This study systematically evaluated the accuracy of such models in predicting prediabetes-to-T2DM progression.
METHODS: Databases including Cochrane Library, Embase, PubMed, and Web of Science were searched up to June 2, 2025. PROBAST was applied to evaluate the risk of bias. STATA 15.0 was employed to analyze the pooled concordance index (C-index) with 95% CI, to conduct subgroup and sensit
СтатьяСистематический обзорМетаанализПолный 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.
Rapid and accurate screening of protein-ligand binding affinities using machine learning (ML) remains a challenging yet critical task in drug discovery. In this work, two closely related challenges are addressed: the inherent sensitivity of the binding affinity to the ligands' geometry within the protein-ligand complex and the absence of prior knowledge of this geometry for previously unseen compounds. Three representative ML methods of varying complexity─Kernel Ridge Regression (KRR), SchNet, and Polarizable Atom Interaction Neural Network (PaiNN)─were evaluated on prediction of the binding a
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.
Multi-tiered systems of support for behavior (MTSS-B) is a widely-used tiered preventive intervention currently used in over 25,000 schools across the USA. This study leveraged data from 16,907 elementary students across 42 schools that participated in a prior randomized controlled trial (RCT) of MTSS-B, where schools were randomly assigned to implement Tier 1 + 2 (intervention) supports or Tier 1 only (comparison). The RCT data, collected between 2008 and 2012, were linked to administrative records of behavior in grades 6-12 collected between 2008 and 2024. We used machine learning methods to
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: Artificial intelligence (AI) models have been increasingly explored for predicting treatment response to cognitive behavioral therapy (CBT) in patients with anxiety disorders. Identifying potential responders in advance may help inform treatment planning and support clinical decision-making. Although a growing number of studies have applied AI techniques in this context, reported performance estimates vary across studies, and the overall predictive accuracy has not been comprehensively quantified.
OBJECTIVE: This systematic review and meta-analysis aims to quantify the overall per
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.
Non-stationary time series are common in many real-world domains, including infectious disease spread, where the underlying relationships between variables evolve over time. However, most existing forecasting methods assume stationarity and fail to capture changing causal dynamics. To address this challenge, we propose the Causal Regime Bayesian (CaReBayes) forecasting framework, which integrates regime detection, causal discovery, and Bayesian forecasting within a unified approach. CaReBayes segments time series into regimes using temporal causal discovery, fits a Bayesian structural autoregr
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: Oral medications are commonly used in the treatment of breast cancer (BC), despite high rates of nonadherence. As adherence is fundamental for optimal treatment, finding ways to effectively improve it is important. Artificial intelligence (AI) is being widely applied to health care.
OBJECTIVE: This review aims to offer an overview of the contribution of AI to medication nonadherence among patients with BC, suggesting future research directions, and highlighting existing gaps.
METHODS: Four databases (PubMed, Embase, Scopus, and Web of Science) were searched. Studies were eligible
СтатьяСистематический обзорПолный 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 systematically review machine learning-based sepsis prediction studies, examining model explainability and the extent to which explanations reflect key sepsis biomarkers.
DATA SOURCES: Following the PRISMA guidelines, we reviewed the titles, abstracts, and full texts. The search was conducted in four major bibliographic databases with publication dates from January 1, 2019 to July 16, 2025.
STUDY SELECTION: The included studies provided a clear definition of sepsis based on the Sepsis-3 criteria and involved critically ill adult human subjects.
DATA EXTRACTION AND SYNTHESIS: T
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.
Biochar is a promising, sustainable adsorbent for hydrogen sulfide (H2S) removal, yet its adsorption capacity is governed by complex interactions among material properties, preparation conditions, and operating parameters. In this study, we develop and systematically compare a suite of machine learning (ML) models including Decision Tree, Random Forest, AdaBoost, K-Nearest Neighbors (KNN), Convolutional Neural Network (CNN), Support Vector Regression (SVR), and an Ensemble Learning scheme to predict the H2S adsorption capacity of biochar. The models are trained on 277 experimental data points
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: Polycystic ovary syndrome (PCOS) is a multifactorial endocrine disorder characterized by reproductive and metabolic abnormalities. This study aimed to identify key immunometabolic regulators in endometrial tissue and construct a predictive model for PCOS using machine learning approaches. METHODS: Three endometrial transcriptomic datasets (GSE277906, GSE193123, GSE199225) were integrated and analyzed for differentially expressed genes (DEGs), immune cell infiltration, and metabolic pathway enrichment. Core genes were identified via protein–protein interaction networks and functional
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.
The protein corona (PC) has widely been demonstrated to impact the pharmacokinetics, safety, and efficiency of nanoparticle (NP) systems for clinical applications such as drug or vaccine delivery. However, a comprehensive understanding of PC formation and its overall impact on biological behavior remains challenging due to the wide range of possible physicochemical and experimental parameters that may impact NP-PC formation and interactions, leaving important patterns difficult to identify. Machine learning (ML) algorithms have increasingly been used to analyze datasets and identify patterns t
СтатьяОбзорПоддержка NIH: внешняя программаПоддержка 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.
Drug discovery remains constrained by high attrition rates, prolonged timelines, and limited ability to translate molecular insights into effective therapies. Although reductionist approaches targeting individual molecules have delivered transformative medicines, successful patient-centric treatment remains a major challenge. Furthermore, increasing evidence demonstrates that therapeutic outcomes emerge from complex, dynamic, and context-dependent biological networks. Systems biology has provided a framework to understand these interactions, yet its predictive capability has been limited by bi
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.
Accurate computational prediction of antiviral peptides (AVPs) can accelerate peptide screening and reduce experimental costs. However, existing deep learning-based methods still suffer from severe class imbalance, over-reliance on handcrafted features and limited interpretability. Here, we propose PMAVP, a multi-task learning framework that integrates the ProtT5 pre-trained protein language model with a Mamba-inspired module for AVP identification and functional activity prediction. We use ProtT5 to extract deep semantic representations from peptide sequences and a Mamba module to capture lon
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: Liver cirrhosis (LC) can lead to several complications. Esophageal variceal bleeding (EVB) and esophagogastric variceal bleeding (EGVB) are particularly severe, leading to a high risk of mortality. Early identification of esophageal varices and esophagogastric varices is essential. Several studies have constructed prediction models for EVB and EGVB in patients with LC. However, robust systematic evidence to prove their performance is lacking.
OBJECTIVE: We included original studies that developed prediction models for esophageal or gastric variceal bleeding in patients with LC und
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.
Predicting remission in Cushing’s disease (CD) following transsphenoidal surgery (TSS) is crucial for improving treatment strategies and patient outcomes. This systematic review and meta-analysis aimed to evaluate the application of Artificial Intelligence (AI) algorithms in forecasting remission outcomes, integrating diverse clinical, biochemical, and imaging data to enhance predictive accuracy. A comprehensive search was conducted across PubMed, Web of Science, Embase, Scopus, and Google Scholar databases up to December 2024, adhering to PRISMA guidelines. Out of 1,571 records identified, fi
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: Delirium is a common and clinically important form of acute in-hospital mental status deterioration. Electronic health record (EHR)-based prediction models may support early identification and targeted prevention, but their methodological quality, validation rigor, and clinical readiness remain uncertain.
OBJECTIVE: This systematic review aimed to synthesize and critically evaluate prediction models for in-hospital delirium developed using routinely collected EHR data, focusing on model characteristics, validation strategies, performance, risk of bias, and clinical applicability.
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.
PURPOSE OF REVIEW: Hip fracture is a major consequence of osteoporosis and is associated with mortality, complications, prolonged hospitalisation and loss of independence. This systematic review evaluated artificial intelligence (AI) and machine learning (ML) models for predicting clinical outcomes after hip fracture, focusing on model performance, validation, reporting quality and clinical readiness.
RECENT FINDINGS: This PRISMA-compliant review was registered with PROSPERO (CRD420261414142). Searches of PubMed, Ovid MEDLINE, Embase and EBSCO CINAHL identified 40 eligible studies published b
СтатьяСистематический обзорМетаанализОбзорПолный 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.
The spontaneous deamidation of asparagine residues remains a major obstacle to the stability and efficacy of protein therapeutics. Currently available models in the literature for predicting deamidation liabilities can suffer from limited generalizability, likely due to biases such as sequence similarity within datasets. In this study, we built machine learning models using protein language models (PLMs, e.g. ESM2) and graph neural networks (GNNs), trained on a comprehensive dataset of 591 asparagine sites from over 105 protein molecules. To address the critical issue of data leakage, we imple
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