BACKGROUND: Negation in radiology reports (eg, "no evidence of dissection") is essential for accurately conveying diagnostic information. Clinical natural language processing systems, however, often fail to determine whether findings occur within negated or speculative contexts, leading to excessive false keyword alerts, noise in information extraction, and reduced precision in downstream clinical or research applications. Transformer models have advanced detection capabilities but require costly expert labeling. Large language models (LLMs) may provide label-efficient alternatives through few
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.
IntroductionCurrent preventive screening reminders use generic due-date notifications that lack personalization. Targeted reminders allow personalized messages and resource allocation, yet the accuracy of behavioral forecasting with cholesterol screening behaviors remains unconfirmed. Therefore, this study aims to examine the accuracy of machine learning in predicting adults' future cholesterol screening behavior.MethodsThis study included 8,288 participants from the Health and Retirement Study. Never receiving cholesterol screening over 12 years of follow-up (2007-2018) was identified as the
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.
ObjectiveThis study aimed to assess the quality and reliability of videos about type 1 diabetes mellitus (T1DM) on TikTok, Bilibili, and YouTube.MethodsThe keyword "type 1 diabetes mellitus" was used to search for related videos on TikTok, Bilibili, and YouTube. The quality and reliability of 263 videos were assessed using the modified DISCERN (mDISCERN), the Global Quality Scale (GQS), and the Journal of the American Medical Association (JAMA) benchmark criteria.ResultsQuality scores of videos on YouTube were higher, and videos uploaded by specialists were rated higher than those posted by no
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.
BACKGROUND: Cough variant asthma (CVA) is a prevalent but underdiagnosed subtype of chronic cough, largely due to the limited accessibility of pulmonary function tests in primary care.
OBJECTIVE: This study aimed to develop and prospectively validate an interpretable machine learning model using routine laboratory data to facilitate accessible CVA screening.
METHODS: We conducted a multicenter study combining retrospective model development and prospective validation using data from January 2021 to August 2025. The study included 3 sets-a retrospective development set (n=533; 428 training an
СтатьяМногоцентровое исследованиеВалидационное 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.
BACKGROUND: The development of structured optical character recognition (OCR) systems for Korean medical documents is hindered by strict privacy regulations that limit access to real clinical data. Existing synthetic document frameworks are primarily designed for generic layouts and Western languages, and fail to capture the complex formatting, bilingual terminology, and hierarchical field semantics required for clinical OCR and document-understanding tasks in hospital environments.
OBJECTIVE: This study aimed to develop and validate a privacy-preserving, template-driven pipeline for generati
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: Social media offers valuable information for public health surveillance, but detecting valid symptom expressions in noisy and informal text remains challenging. Fine-tuned language models can achieve strong test accuracy while relying on spurious patterns, limiting their reliability in real-world applications.
OBJECTIVE: This study aimed to develop a more robust symptom detection model by incorporating surveillance-relevant attributes into the training objective and introducing a counterfactual-based evaluation framework to assess attribute sensitivity.
METHODS: We proposed a con
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: Clinicians spend a lot of time on electronic health record (EHR) documentation, often at the expense of direct patient interaction. Ambient listening technology uses AI to passively record and summarize clinical encounters. Although early studies are promising, there is limited evidence on system performance in complex, non-English settings.
OBJECTIVE: This study aimed to compare the documentation performance of 3 commercially available ambient listening systems in simulated Dutch-language outpatient consultations by assessing note completeness, correctness, and conciseness under
СтатьяСравнительное 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.
BACKGROUND: Clinical Quality Language (CQL) and Fast Healthcare Interoperability Resources (FHIR) support executable electronic clinical quality measures. Translating national claims-based indicators into CQL remains challenging because terminology, exclusions, and data semantics require adaptation. To our knowledge, Taiwan National Health Insurance (NHI) medical-center indicators have not previously been represented as an executable CQL library.
OBJECTIVE: This study aimed to develop CQL libraries derived from 39 Taiwan NHI medical-center quality indicator codes and evaluate technical execut
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: Accurate documentation of back pain is essential for effective diagnosis and treatment; however, conventional paper-based methods often lack precision and standardization, limiting their clinical utility. Digital pain drawings can improve consistency and integration; however, the literature continues to report variability in digital pain drawing methods, quantification approaches, body schemas, and implementation. Moreover, open access, anatomically labeled vector assets mapped to clinical terminology remain limited.
OBJECTIVE: This study aimed to develop an anatomically accurate,
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: Pulmonary arterial hypertension (PAH) is a rare and progressive disease associated with substantial clinical heterogeneity and high health care costs. While machine learning (ML) has been increasingly applied to predict clinical outcomes, approaches that integrate clinical prediction with downstream economic modeling remain limited.
OBJECTIVE: This study proposes and evaluates an ML-based framework that combines prediction of future functional status with estimation of associated health care costs in patients with PAH.
METHODS: In this retrospective cohort study, data from 181 pa
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: Date-shifting is a common strategy for preserving temporal relationships in de-identified clinical data, premised on the assumption that all candidate shifts in a chosen range are equally likely to a recipient. We assess whether routine scheduling patterns - weekday concentration of outpatient activity and predictable institutional holiday closures - invalidate this assumption, and quantify the resulting risk of date recovery as a function of dataset characteristics.
METHODS: We formalize the unshifting problem as Bayesian inference over candidate shifts, scoring each candidate by
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.
ABSTRACT: BACKGROUND: Falls are a leading cause of morbidity, functional decline, and premature care entry among older adults. Assistive living technologies (ALTs) are increasingly used for fall prevention, detection, and risk monitoring, but their value depends on how older adults, caregivers, and care staff experience them in practice.
ABSTRACT: OBJECTIVES: The objective of this study is to synthesize user-reported experiences of ALTs used for fall prevention, detection, or monitoring across private homes, retirement villages (RVs), and residential aged care homes (RACHs), examining perceiv
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.
Recent advances in deep learning have completely transformed the domain of computational pathology (CPath). More specifically, it has altered the diagnostic workflow of pathologists by integrating foundation models (FMs) and vision-language models (VLMs) in their assessment and decision-making process. The limitations of existing deep learning approaches in CPath can be overcome by FMs through learning a representation space that can be adapted to a wide variety of downstream tasks without explicit supervision. Deploying VLMs allow pathology reports written in natural language be used as rich
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.
OBJECTIVE: Drug-drug interactions (DDIs) are a major cause of adverse drug reactions (ADRs), particularly in patients receiving multiple medications. Existing computational methods predominantly focus on pairwise interactions, limiting their ability to capture the complex effects of high-order (multi-drug) therapies. This study proposes a computational framework for predicting myopathy-associated high-order DDIs.
METHODS: We propose HyHO-DDIs, a hypergraph neural network model for predicting myopathy-associated high-order drug combinations using a dataset curated from the FDA Adverse Event Re
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: Trauma registries are crucial for evaluating the prognosis of injuries and the quality of trauma care. However, the calculation of Injury Severity Score (ISS) remains a predominantly manual process, which is labor-intensive, potentially error-prone, and difficult to scale. Automating this process is a critical step toward enhancing the efficiency and quality of trauma registry data.
OBJECTIVE: This study conducts a feasibility test on the use of large language models (LLMs) to automatically calculate ISS from free-text discharge diagnoses. We specifically investigate the efficacy
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: Clinical documentation demands a significant share of surgeons' time and can contribute to documentation-related burden and burnout. While electronic health records (EHRs) offer accessibility and completeness, they also impose a substantial documentation burden. Ambient AI scribe solutions aim to reduce this burden by capturing patient-clinician dialogue in real time to automate clinical documentation. However, their specific impact on surgical practice remains under-studied.
OBJECTIVE: We aimed to evaluate surgeons' perceptions of documentation efficiency, documentation timelines
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: Long-term hypertension self-management requires patients to make daily decisions and be cautious of when to seek medical attention. Although large language model (LLM)-based systems provide new opportunities for conversational self-management support, conventional question-answering conversational paradigms may be insufficient for providing accurate and personalized responses under conditions of fragmented patient expression, incomplete contextual reporting, and changing interaction intents. Therefore, this study aims to address the current limitations by developing and evaluating 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.
PurposeHigh-quality data are critical for developing healthcare machine learning (ML) models yet remain a major challenge in low- and middle-income countries (LMICs). This study evaluated the applicability of the Duke Institute for Health Innovation's (DIHI) Machine Learning Data Quality Assurance (ML-DQA) framework in an LMIC setting using two ML projects at a tertiary care hospital in Pakistan.MethodsWe applied the ML-DQA framework to two ML projects, Sepsis Watch (SW) and In-hospital Mortality Prediction (IMP). The framework comprises four phases: pre-DQA, data element pre-processing, ML-DQ
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: Seizure-frequency information is critical for epilepsy research and clinical decision-making, yet it is often documented in highly variable free-text neurology clinic letters that are difficult to share and annotate at scale. This study focused on adult epilepsy clinic letters from patients aged 18 years or older. We aimed to develop a reproducible and privacy-preserving framework for seizure-frequency information extraction by training models using fully synthetic, task-faithful clinical letters.
METHODS: We designed a structured label scheme that captures common linguistic patter
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: AI-based clinical decision support systems (CDSS) can improve diagnostics and treatment decisions, but they are rarely implemented in practice. Barriers include limited integration into clinical workflows, lack of transparency, and insufficient involvement of end users in system design. Participatory and user-centered approaches offer ways to address these challenges by aligning development processes with the needs and routines of clinical staff. However, systematic evidence on how such approaches are applied in the development of AI-based CDSS remains limited.
OBJECTIVE: Our stud
СтатьяScoping ReviewОбзорПоиск 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.
MedElevator
Войти в исследования