BACKGROUND: Cognitive recovery varies substantially among patients with post-stroke mild cognitive impairment (PSCI-MCI), whereas individualized models for predicting post-treatment cognitive improvement remain limited. This study aimed to develop and internally validate a machine learning model for predicting cognitive improvement after 1 month of scalp cluster needling therapy with prolonged needle retention (SCNT-PR) in patients with PSCI-MCI.
METHODS: This retrospective study included hospitalized patients diagnosed with PSCI-MCI between January 1, 2010, and January 1, 2023. Baseline data
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.
OBJECTIVE: To develop and evaluate machine learning-based models for predicting fall risk within 6 months of stroke onset.
METHODS: This prospective study enrolled acute stroke patients from three tertiary hospitals in Gansu Province, China. The study was conducted from December 2022 to October 2024. Participants were followed for 6 months. Two machine learning algorithms, decision tree (DT) and logistic regression (LR), were developed. Baseline data were collected within 72 h of admission. Model performance was evaluated using the area under the receiver operating characteristic curve (AUC),
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.
ObjectiveThe purpose of this study is to develop and validate an improved CA-VTE risk prediction model based on semi-supervised learning (SSL) algorithm.MethodsThis study used a combined retrospective and prospective cohort design. First, data from 2100 cancer patients in a tertiary hospital in Beijing were retrospectively collected, including a "labeled cohort" with CA-VTE outcomes (N = 1036) and an "unlabeled cohort" without outcomes (N = 1064). Then, another dataset were prospectively collected as an external validation set (N = 321). Eight supervised machine learning (ML) algorithms were 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.
A decrease in Minimum Foot Clearance (MFC), which represents the minimum vertical distance of the foot from the ground surface during the swing phase of the gait cycle, is one of the primary contributors to tripping-related falls among people with stroke. Accurate prediction of upcoming MFC values, understanding their potential range, and evaluating whether future values will fall within the variability of actual MFC values are crucial for early fall risk assessment. This work proposes a new Transformer model for predicting multistep MFC values in stroke survivors collected from the affected l
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.
To develop a machine-learning-based predictive model for postoperative urinary sepsis following ureteroscopic lithotripsy, providing a scientific basis for early clinical identification of high-risk patients. A total of 927 patients who underwent ureteroscopic lithotripsy at a Grade III-A hospital in Guizhou Province from September 2024 to September 2025 were enrolled as the study subjects. Clinical data were collected and randomly divided into a training set (70%) and a test set (30%) according to a 7:3 ratio. Four machine-learning algorithms—SVM, LR, RF, and XGBoost—were used to construct 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.
The aim of this study was to develop and validate a machine learning (ML) solution for predicting sepsis among elderly surgical patients undergoing emergency procedure. Data from over 150 variables were collected across multiple domains. ML models were cross-validated using a nested-cross validation approach. The performance of individual models was assessed based on accuracy, sensitivity, and specificity. A total of 29 medical centres participated in the study, ensuring a diverse and representative sample. The study included patients undergoing emergency procedures across various surgical spe
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.
Cervical cancer remains prevalent among women globally, driven by uncontrolled cell proliferation and evasion of apoptosis. Phytochemicals like Thymoquinone (TQ) and Curcumin (CUR) are gaining attention for their safety, affordability, and biological activities. This study evaluated the cytotoxic, anti-proliferative, and apoptotic effects of TQ and CUR compared with 5-Fluorouracil (5-FU) and developed machine-learning models to predict cell viability from dose-response data. HeLa cells were exposed to increasing concentrations of TQ, CUR and 5-FU. Cell viability, morphology, and apoptosis 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: Current embryo selection is limited by fragmented morphological assessments, high resource demands of image-based Artificial Intelligence, and inadequate integration of clinical factors. This study aims to establish a unified multi-day assessment framework by developing an Improved Numerical Embryo Quality scoring index (INEQsi) and to provide a lightweight and robust tool for predicting embryo quality and pregnancy outcomes by integrating these standardized scores with clinical data through machine learning.
METHODS: This study developed a multidimensional embryo scoring system base
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: Postoperative complications contribute significantly to patient morbidity and mortality. Early prediction of such complications could enable the care team to intervene promptly and improve patient outcomes. Existing surgical risk scores are easy to use but lack accuracy and do not provide individualized risk or guidance for clinical decision-making.
OBJECTIVE: This study aimed to develop and evaluate machine learning models using the INSPIRE perioperative dataset to predict whether an individual patient will require critical postoperative interventions-ventilatory support, extraco
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.
OBJECTIVES: Postoperative delirium (POD) is a frequent complication following cardiovascular surgery and requires timely intervention. While early risk prediction holds clinical value, practical tools remain limited. This study aims to identify EEG-based features associated with POD and evaluate their predictive potential using machine learning.
METHODS: 70 patients undergoing cardiovascular surgery were enrolled, including 35 with POD and 35 without. Functional connectivity was assessed using phase-locking values (PLV) derived from intraoperative EEG data. Network edges showing significant b
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: This study aimed to develop a machine learning-based prediction model for myopia progression using ocular biometric parameters to provide an objective assessment tool for clinical practice.
METHODS: A retrospective analysis was conducted on patients treated at Shanghai Parkway Health Ophthalmology Department as the training set, and myopic individuals from the Optometry Center of Peking University People's Hospital as the validation set. Demographic and biometric data were collected, including central corneal thickness (CCT), axial length (AL), corneal curvature (K-value), anterior c
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.
Peripheral T-cell lymphoma-not otherwise specified (PTCL-NOS) is a highly aggressive and heterogeneous lymphoma subtype with a poor prognosis. This study aims to develop a machine learning-based model to predict early death (within 3 months of diagnosis) in PTCL-NOS patients using data from the SEER database (2016-2021). A total of 1,156 patients were included and randomly divided into training (n = 809) and validation (n = 347) sets. Key predictive factors were identified through Boruta and LASSO algorithms, including chemotherapy, radiotherapy, age, B symptoms, primary tumor site, Summary St
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: Healthcare spending for patients with inflammatory bowel disease (IBD) has steadily increased over the past few decades. While some of the increase is due to the rise in the use of biologics, surgery and postoperative care contribute significantly to healthcare spending. We aimed to analyze the preoperative factors associated with increased healthcare resource utilization (HRU) by developing and internally validating machine learning prediction models for increased HRU.
METHODS: We analyzed the ACS-NSQIP database from 2018 to 2022 to identify preoperative factors that could predict 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.
BackgroundNeuromodulators (e.g., Gabapentin, Baclofen, and Flupentixol-melitracen) are widely prescribed for refractory chronic cough (RCC); however, heterogeneous treatment responses remain a significant challenge for optimal agent selection.ObjectivesThis study aimed to develop an interpretable machine learning (ML) model to predict individual patient responses to these therapies.DesignSingle-center retrospective observational study.MethodsThis retrospective cohort study included 730 patients with RCC treated with neuromodulators from 2016 to 2023. We extracted comprehensive clinical data, i
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.
BACKGROUND: Despite high recanalization rates after endovascular treatment (EVT) for acute ischemic stroke due to large vessel occlusion (AIS-LVO), 15%-20% of patients still die within 90 days. Existing prognostic models predominantly target functional disability rather than mortality, and rarely incorporate calibration, clinical utility, or interpretability. We aimed to develop and internally validate interpretable machine learning (ML) models for dynamic post-EVT in-hospital prediction of 90-day all-cause mortality in AIS-LVO patients with successful recanalization.
METHODS: We retrospectiv
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.
OBJECTIVES: FMF is a monogenic autoinflammatory disease caused by MEFV mutations, with amyloidosis as its most severe complication. This study aimed to compare logistic regression, random forest, and gradient-boosting models to predict amyloidosis in FMF patients.
METHODS: Patients with FMF diagnosed between 1990 and 2022 at Cerrahpaşa Faculty of Medicine were retrospectively screened. Eligible patients with available clinical records were included. Clinical, genetic, and laboratory variables were extracted. Univariate analyses and pooled multivariate logistic regression were conducted. Logis
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: Machine learning (ML) has transformed oncological risk prediction by enabling personalized therapeutic strategies. Local tumor control remains a critical endpoint in anal cancer management. This study aimed to develop and validate an explainable ML model for predicting local recurrence at 3 years in patients with anal cancer.
METHODS AND MATERIALS: We analyzed data from the prospective multicentric FFCD-Anabase cohort, comprising 1,015 patients with anal cancer treated with chemoradiotherapy across 60 French centers between January 2015 and April 2020. The endpoint was local recurren
СтатьяМногоцентровое 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.
Intrauterine growth restriction (IUGR) is a condition in which the fetal weight is below the 10th percentile for its gestational age. Prenatal exposure to metals can cause a decrease in fetal growth during gestation thereby reducing birth weight. Therefore, the aim of the present study was to develop a machine learning model for early prediction of IUGR. A total of 126 IUGR and 88 appropriate-for-gestational-age (AGA) samples were collected from the Gynecology Department, Safdarjung Hospital, New Delhi. The predictive models were developed using the Weka software. The models developed using al
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: Interstitial lung disease (ILD) is currently the primary cause of death in systemic sclerosis (SSc). Thoracic high-resolution computed tomography (HRCT) is considered the gold standard for diagnosis. Recent studies have proposed several clinical algorithms to predict the diagnosis and prognosis of SSc-ILD.
OBJECTIVE: To test the clinical algorithms to predict the presence and prognosis of SSc-ILD and to evaluate the association of extent of ILD with mortality in a cohort of SSc patients.
METHODS: Retrospective cohort study, including 177 SSc patients assessed by clinical evalua
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.
AIMS: Primary aldosteronism (PA) screening is difficult in an unselected population of hypertensive patients, as it can be challenging. We report new algorithms based either on risk stratification or machine learning models to improve the screening of PA.
METHODS AND RESULTS: 15,507 patients with confirmed hypertension aged 18-65 years with full workup for PA screening were included in this study. We developed PAstrat, a risk stratification-based algorithm by generating patient groups of interest and assess probability of PA in each group, and two different machine learning models, logistic r
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