Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2 750 с найденным полным текстом
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2019eng
PURPOSE: An excessive amount of total hospitalization is caused by delays due to patients waiting to be placed in a rehabilitation facility or skilled nursing facility (RF/SNF). An accurate preoperative prediction of who would need a RF/SNF place after surgery could reduce costs and allow more efficient organizational planning. We aimed to develop a machine learning algorithm that predicts non-home discharge after elective surgery for lumbar spinal stenosis.
METHODS: We used the American College of Surgeons National Surgical Quality Improvement Program to select patient that underwent electiv
СтатьяПоддержка исследования: вне правительства СШАVideo-Audio MediaПоиск 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: In recent years, advancements in our understanding of the pathophysiological mechanisms underlying coronary artery disease (CAD) have introduced new challenges regarding the clinical application of traditional risk scores. While studies suggest that machine learning (ML) algorithms surpass traditional statistical methods in risk prediction, their conclusions are often derived from heterogeneous datasets and varying model structures, which restrict their generalizability and persuasive power.
OBJECTIVE: This study aims to evaluate the clinical performance of the GRACE, ACEF, and TI
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.
OBJECTIVE: Personalized tools for accurately predicting papillary thyroid carcinoma (PTC) patients' response to initial 131I therapy are lacking. This study aimed to develop a machine learning (ML) model for prediction of 6-12 month therapeutic response after therapy.
METHODS: This study retrospectively enrolled 702 PTC patients undergoing initial 131I therapy. A hierarchical classification framework was designed: the first layer distinguished excellent response from non-excellent response (Non-ER), while the second layer further categorized Non-ER into indeterminate response, biochemical inc
СтатьяВалидационное исследованиеПолный 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.
This article presents an intelligent clinical decision support system that integrates graph-based modelling and deep fusion learning for coronary artery disease (CAD) risk prediction using a clinical Laboratory and validated dataset. A Graph-Based Multivariate Kernel Density Estimation (KDE) imputation approach is proposed to handle the missing values, while latent class analysis (LCA) is applied for outlier detection. The framework further incorporates with the graph-based directional risk scoring and the comorbidity network analysis to identify significant clinical attributes and capture com
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: Large symptomatic brain metastases require initial surgical resection. However, local control (LC) after Gamma Knife radiosurgery (GKRS) to resection cavities remains variable. Quantitative risk stratification using routinely available treatment-time variables could inform surveillance and multidisciplinary decision-making.
METHODS: We performed a retrospective study of post-resection cavities treated with GKRS at a single institution (2014-2024). The primary endpoint was LC. The cohort comprised of 401 post-resection cavities. A gradient boosting classifier was trained using eigh
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: Papillary thyroid carcinoma (PTC) constitutes 80-90% of all thyroid malignancies. Despite its generally favorable prognosis, 20-30% of PTC patients present intermediate/high-risk features, increasing distant metastasis risk. Traditional clinicopathological predictors (e.g., TNM stage, tumor size) have limited accuracy in forecasting metastasis, creating a need for more precise prediction tools..
METHODS: A total of 2,452 PTC patients (diagnosed 2015-2023, follow-up ≥6 months) were enrolled, with data including clinical, pathological, laboratory, and ultrasound indices. Feature
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.
BACKGROUND: Depression in older adults is often underdiagnosed due to atypical symptom presentation and generational stigma, leading to delayed intervention. Early identification of individuals at risk of developing elevated depressive symptoms is therefore critical, but traditional approaches show limited predictive accuracy. To date, no study has applied machine learning (ML) models to predict clinically significant depressive symptoms at 2-year follow-up in older adults in the United Kingdom using data from the English Longitudinal Study of Ageing (ELSA). Moreover, the impact of encoding st
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: This study aimed to validate and compare six IWGDF-approved classification systems for predicting poor prognostic outcomes in diabetic foot ulcers (DFUs), using the same sample in Iran. We also proposed modifications to enhance the performance and feasibility of these tools, in outpatient setting.
METHODS: A prospective cohort study was conducted involving 616 DFUs from 400 patients over a six-month period. We assessed the performance of six wound classification systems: Wagner, UTWCS, PEDIS/IDSA, SINBAD, WIFI, and DiaFORA. We adjusted for the key variables associated with poor
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.
Poor aqueous solubility of medicines has been a subject of great interest for improvement of pharmaceutical industry. Computational analysis of solubility data is of great importance for evaluation of supercritical processing which can be used to enhance drugs solubility. A computational method for estimating the solubility of pharmaceuticals in supercritical carbon dioxide (SC-CO2) at varying processing conditions was developed using machine learning. Leveraging an innovative combination of experimental data and advanced machine learning techniques, this study investigates the prediction of 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.
AI algorithms, in drug discovery, support target identification by recognizing biological patterns and molecular interactions linked to disease mechanisms. They further aid in lead compound optimization, virtual screening of large chemical libraries, and do drug design, thereby reducing time and cost constraints traditionally associated with laboratory-based approaches. This research proposes a novel framework that integrates the Framingham Heart Study (FHS)—a gold standard longitudinal dataset in cardiovascular research—with advanced machine learning (ML), deep learning (DL), and explainable
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: To establish and validate interpretable machine-learning (ML) models for early assessment and identification of Chinese women at risk of excessive gestational weight gain (EGWG).
METHODS: We performed a prospective observational study with pregnant women whose gestational age averaged 19 weeks or less. These women attended the obstetric clinic of a tertiary hospital in CentralSouth China between January and June 2023, and again from April to May 2024. Women completed standardized questionnaires, and their gestational weight gain (GWG) was recorded until delivery. We conducted featu
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.
Detecting fetal distress early and accurately is critical to the reduction of adverse neonatal outcomes. However, this proves to be a challenging task. The use of artificial intelligence (AI) provides a promising solution by facilitating the analysis of cardiotocography (CTG) signals in a more timely and precise manner. Despite this, AI in fetal monitoring faces several critical obstacles. In this study, we evaluated six experimental scenarios on a publicly available UCI CTG dataset consisting of 2,160 cases, each containing 21 features and examined how selected machine learning-based models,
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: Intraoperative hypothermia (IOH, core temperature < 36.0°C) is common during gynecological laparoscopic surgery and is associated with adverse outcomes. However, predicting its occurrence using only preoperative indicators remains challenging.
METHODS: This retrospective cohort study included patients who underwent gynecological laparoscopic surgery at a single center. Candidate predictors were extracted from electronic health records (EHRs). Least absolute shrinkage and selection operator (LASSO) regression was applied for feature selection. Logistic regression (LR) and extreme g
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.
OBJECTIVES: Antiphospholipid antibodies (aPLs) are closely associated with recurrent spontaneous abortion (RSA) and adverse pregnancy outcomes (POs). Non-criteria aPLs may aid in diagnosing seronegative aPL-related RSA, but their limited performance often leads to missed or delayed diagnosis. This study aimed to improve diagnostic and predictive accuracy by integrating criteria and non-criteria aPLs with machine learning (ML) algorithm.
METHODS: In this multicenter prospective study, 1,321 participants were recruited and 751 included. Fifteen aPLs were measured using chemiluminescence immunoa
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.
BACKGROUND: Accurate and timely prediction of critical events from longitudinal electronic health record (EHR) data is essential for precision medicine, particularly in complex chronic diseases with heterogeneous and evolving patient trajectories. Despite rapid growth in the number of statistical and machine learning methods, prediction remains challenging, especially for binary outcomes. Many valid approaches either lack transparency, ignore temporal dependence, or are difficult to dynamically update with new data, limiting clinical applicability. Existing dynamic prediction methods are desig
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: Rheumatoid arthritis (RA) treatment guidelines recommend early initiation of disease-modifying antirheumatic drugs (DMARDs), but actual prescribing decisions are influenced by multiple clinical and contextual factors. Machine learning (ML) offers a promising tool to uncover patterns in treatment selection and support personalized decision-making.
OBJECTIVES: To identify the most important predictors of initial treatment in patients with newly diagnosed RA using ML algorithms applied to an international registry.
METHODS: We conducted a secondary analysis of 16,684 patients from t
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: Multimodal machine learning offers a holistic view of a patient's status, integrating structured and unstructured data from electronic health records (EHR). We propose a framework to predict metastasis risk 1 month before diagnosis, using 6 months of clinical history from EHR data.
METHODS: Data from four cancer cohorts collected at Karolinska University Hospital (Stockholm, Sweden) were analyzed: breast (n = 743), colon (n = 387), lung (n = 870), and prostate (n = 1,890). The data set included demographics, comorbidities, laboratory results, medications, and clinical text. We compar
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.
Objectives: When a Candida species is identified in an ICU patient, susceptibility results are typically available in 24-72 h. In this study, we built a machine learning model using four variables available at identification to estimate resistance probability in real time. Methods: We analysed 747 fungal isolates from 725 ICU patients (January 2021-March 2026). We trained and compared a Random Forest and a Logistic Regression model, evaluating both with temporal cross-validation, permutation feature importance, three-category (S/I/R) prediction, and calibration analysis. Results: Multidrug res
СтатьяПоддержка 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.
Patients with intracerebral hemorrhage (ICH) are at high risk of venous thromboembolism (VTE). Current risk assessment tools are limited and not tailored for neurocritical care populations. This study aimed to develop and validate machine learning-based models to predict VTE in ICH patients. Clinical data of 872 ICH patients admitted to the Neurosurgical ICU of Huashan Hospital from June 2018 to July 2023 were analysed. After univariate analysis, feature selection was performed using Random Forest Importance Ranking and LASSO regression. Three machine learning models (random forest, logistic r
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.
Adverse drug reactions (ADRs) remain a major clinical challenge and a leading cause of morbidity and mortality worldwide. Among them, severe cutaneous adverse drug reactions (SCARs), including Stevens-Johnson syndrome (SJS) and toxic epidermal necrolysis (TEN), represent life-threatening immune-mediated hypersensitivity responses strongly associated with specific human leukocyte antigen (HLA) alleles. Despite well-established pharmacogenetic associations, current diagnostic strategies remain largely retrospective and lack predictive capability for novel drug-HLA risk pairs. Here, we present an
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.
MedElevator
Войти в исследования