INTRODUCTION: Type 2 diabetes mellitus (T2DM) poses a major public health challenge, particularly in regions with limited representation in predictive modeling studies. This research aimed to develop and interpret robust machine learning (ML) models for early T2DM risk prediction using data from the Dena Cohort in Iran. METHODS: Data from 3,203 adults aged 35–70 years were preprocessed through outlier removal, median/mode imputation, feature selection via LightGBM, and class balancing with the Synthetic Minority Over‑sampling Technique (SMOTE). Two gradient‑boosting algorithms, XGBoost and Cat
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 an interpretable machine learning model, explained using SHAP, based on imaging features of adolescent idiopathic scoliosis extracted by convolutional neural networks (CNNs), in order to predict the risk of curve progression and identify the most accurate predictive model. METHODS: This study included 233 patients with adolescent idiopathic scoliosis from three medical centers. CNNs were used to extract features from full-spine coronal X-ray images taken at three follow-up points for each patient. Imaging and clinical features from center 1 were analyzed using the Boruta
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: Accurately identifying difficult laparoscopic cholecystectomy (DLC) preoperatively remains a clinical challenge. Previous studies utilizing clinical variables or morphological imaging markers have demonstrated suboptimal predictive performance. This study aims to develop an optimal radiomics-clinical model by integrating preoperative CT-based radiomics features with clinical characteristics.
METHODS: A retrospective analysis was conducted on 2,055 patients who underwent laparoscopic cholecystectomy (LC) for cholecystitis at our center. Preoperative CT images were processed with su
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.
Bitterness, alongside sour, sweet, umami, and salty tastes, constitutes one of the five basic tastes and serves as a key dimension in shaping food flavor profiles. Food protein processing readily generates bitter peptides, whose intense bitterness often leads to consumer rejection, yet these peptides frequently carry beneficial bioactivities, necessitating a trade-off between flavor and functionality. This necessitates the quantitative assessment of bitterness intensity in the early stages of product development. However, experimental assays relying on sensory evaluation and electronic tongue
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.
Computational prediction of intrinsic disorder in protein sequences is an impactful and growing research area, recently infused with deep learning and protein language models, prompting the need to assess the impact of these advancements. We systematically surveyed 128 disorder predictors, many of which are accurate, and some that have been cited thousands of times. We demonstrated that recent methods utilizing protein language models outperform those that do not, particularly when combined with deep learning, yielding substantial gains in predictive quality. We place these observations within
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.
INTRODUCTION: Diabetic retinopathy, a major microvascular complication of type 2 diabetes mellitus, remains a leading cause of preventable blindness worldwide. Early identification of individuals at high risk is essential, yet conventional screening systems are limited by workforce shortages and delayed detection. Artificial intelligence, particularly machine learning, offers substantial potential to support prognostic scoring tools capable of predicting the development of diabetic retinopathy. This review summarises current evidence on AI-driven prognostic models for diabetic retinopathy amon
СтатьяОбзорПолный 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.
OBJECTIVES: This study aimed to develop a measles risk estimation tool to predict municipal-level occurrences in Brazil's most populous state, São Paulo.
STUDY DESIGN: Measles risk for the 645 municipalities of the State of São Paulo was estimated by using public data spanning 2007-2023, integrated via the use and selection of machine learning models.
METHODS: Five machine-learning prediction models were trained via K-fold stratified cross validation using publicly available demographic, mobility, socioeconomic, and vaccination data to predict annual measles occurrence per municipality. Mode
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: Hospital readmission following emergency care remains a persistent challenge, reflecting gaps in care continuity, discharge planning, and risk stratification. Conventional prediction methods often fail to capture complex clinical interactions. The emergence of artificial intelligence offers new opportunities to enhance predictive accuracy by analyzing large, multidimensional healthcare datasets.
AIM: This umbrella review aimed to synthesize existing evidence on the role, performance, and clinical applicability of artificial intelligence in predicting readmission risk among emergen
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.
Paralytic shellfish toxins (PST) are detected in seafood globally. Resource managers and seafood producers must make decisions in the face of toxic events in order to protect public health and operate businesses. The coast of Maine in the US sees the occurrence of PSTs annually, and fosters a robust shellfish industry composed of both wild harvest and recently increasing aquaculture. Leveraging monitoring data generated from chemical analysis of PST composition in shellfish, we present a method for grouping together consecutive samples to build a machine-learning training set and make short-te
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.
Accurate forecasting of the collective state of hydraulic support groups is paramount to ensuring operational safety and optimizing efficiency in longwall coal mining. Existing monitoring methods face four critical bottlenecks. Contact sensors commonly employed for position prediction are highly vulnerable to harsh underground conditions, resulting in unreliable measurements. Vision-based non-contact alternatives are often hindered by labor-intensive manual data annotation requirements. Furthermore, occlusion of underground cameras by coal dust frequently results in missing spatio-temporal dat
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: The trajectory of a patient with trauma is often complex and nonlinear. Real-time estimation of the mortality risk from prehospital care to discharge is critical for point-of-care decision-making and for benchmarking the quality of care. Conventional risk assessment systems in trauma are simple and data-sparse, leaving potential for harvesting available data for personalized risk assessments accounting for developing patient states.
OBJECTIVE: This study aims to create an AI risk prediction model for 30-day mortality in patients with trauma capable of performing predictions at any
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.
International student mobility is central to higher education finance, soft power, and knowledge production, yet future demand is increasingly uncertain. We analyse Universities and Colleges Admissions Service records on successful international undergraduate applications to the United Kingdom from 86 origin countries between 2010 and 2024, linked to economic and demographic projections, to forecast demand to 2030. A Poisson-based gradient-boosted tree model, a machine-learning method that combines decision trees, is evaluated against autoregressive integrated moving average time-series models
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: Sickle cell anemia (SCA) is a severe genetic blood disorder characterized by recurrent vaso-occlusive crises and increased mortality, with the greatest burden occurring in low- and middle-income countries. Climatic and environmental conditions, including temperature variability, humidity, rainfall, air pollution, and seasonal changes, have been associated with disease exacerbation. However, the extent to which these factors have been incorporated into predictive models remains unclear. This study systematically reviews the application of machine learning (ML) models for predicting
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.
BACKGROUND: Flavor is a central attribute of food quality, shaping consumer preferences and market performance. Traditional evaluation methods, such as sensory panels and basic assays, are often constrained by subjectivity, low throughput, and limited scalability. With the rise of high-throughput technologies and multimodal datasets, machine learning (ML) has emerged as a promising tool for deciphering and regulating complex flavor systems.
AIM OF REVIEW: This review examines current flavor detection techniques and the application of ML across diverse domains. It compares supervised learning
СтатьяОбзорПоддержка 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.
Homicide is one of the most severe forms of violence and is the single most costly crime in the United States. Despite its high financial cost and incalculable emotional toll, we know very little about predicting who will commit such crimes. Here we followed a large (n = 202) sample of incarcerated youth for 16 years after release from a maximum-security juvenile correctional facility. Official records and clinical interviews indicated n = 35 committed a homicide during this follow-up period. Clinical (psychopathic traits, age of first arrest) and neural variables (gray matter volume of the am
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.
Hydrogen peroxide activated by a cobalt ferrite catalyst generates hydroxyl radicals that effectively inactivate bacteria. A continuous-flow packed-bed reactor containing cobalt ferrite was developed and tested for bacterial disinfection. The inactivation kinetics were highly nonlinear. The classical Weibull model accurately described the initial decline in bacterial counts at low H2O2 concentration (3 mM) but lost accuracy at longer contact times and higher concentrations (6-10 mM). To improve prediction, 10 machine learning algorithms were evaluated. Gradient boosting (GB) and random forest
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.
Recent advancements in prophylaxis for acute graft-versus-host disease (GVHD) have successfully reduced the incidence of severe cases; however, overall survival rates have not significantly improved, and GVHD continues to be a major cause of mortality. The severity of gastrointestinal (GI) damage is especially critical, as it strongly correlates with treatment failure and non-relapse mortality, but clinical symptoms do not reliably predict peak severity in its early stages. Biomarker-based algorithms, such as the Mount Sinai Acute GVHD International Consortium (MAGIC) algorithm, leverage serum
СтатьяОбзорПолный 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.
Septic patients with T2DM were prone to prolonged recovery and unfavorable prognoses. Thus, this study aimed to pinpoint potential genes related to sepsis with T2DM and develop a predictive model for the disease. The candidate genes were screened using protein-protein interaction networks (PPI) and machine learning algorithms. The nomogram and receiver operating characteristic curve were developed to assess the diagnostic efficiency of the biomarkers. The relationship between sepsis and immune cells was analyzed using the CIBERSORT algorithm. The biomarkers were validated by qPCR and western b
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.
PURPOSE OF REVIEW: In patients with myositis, interstitial lung disease (ILD) is one of the major causes of morbidity and mortality. Given the limited evidence, there is an urgent need to refine the treatment for myositis-ILD. This review aims to highlight recent updates on the management of myositis-associated ILD, focusing on screening, risk stratification, and treatment.
RECENT FINDINGS: Asian race and/or residence, dermatomyositis, mechanic's hand, antisynthetase antibodies, and antimelanoma differentiation-associated gene 5 antibodies are risk factors for ILD development. Patients with s
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.
Recently, prediction of gestational diabetes mellitus (GDM) using artificial intelligence (AI) from medical records has been reported. We aimed to evaluate GDM-predictive AI-based models using birth cohort data with a wide range of information and to explore factors contributing to GDM development. This investigation was conducted as a part of the Japan Environment and Children's Study. In total, 82,698 pregnant mothers who provided data on lifestyle, anthropometry, and socioeconomic status before pregnancy and the first trimester were included in the study. We employed machine learning method
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.
MedElevator
Войти в исследования