Background: Warfarin pharmacogenomics is critical due to its narrow therapeutic index and significant interpatient variability. While machine learning (ML) can predict anticoagulation control status (ACS), its "black-box" nature limits clinical translatability. Explainable Artificial Intelligence (XAI) addresses this by providing interpretable insights. This study applied ML and XAI to a warfarin pharmacogenomic dataset to predict poor ACS and explain model decisions. Methods: A post hoc analysis was conducted on a cross-sectional dataset of 232 patients receiving warfarin for ≥6 months. Data
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.
BACKGROUND: Incidental gallbladder cancer (IGBC) is often diagnosed only during or after cholecystectomy, and preoperative identification remains challenging. This study preliminarily explored factors contributing to IGBC missed diagnosis and attempted to develop an ultrasound radiomics‑based identification model.
METHODS: A retrospective cohort of 62 IGBC and 78 non‑incidental GBC (NIGBC) patients who were consecutively enrolled between 2016/01-2025/12 was analyzed. Clinical, laboratory, imaging, pathological, and immunohistochemical features were compared. From ultrasound images, 1220 radio
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: Injuries are responsible for 950,000 deaths per year among children and adolescents under 18 years old. Trauma prediction scores are useful in determining severity and prognosis of injury patients. The pediatric resuscitation and trauma outcome (PRESTO) score was developed as a simple score for short-term mortality prediction in pediatric populations in low- and middle-income countries (LMICs). Using variables available at the bedside in resource-limited settings, PRESTO has been validated in South Africa, Rwanda, and Tanzania. In Tanzania, our team found these variables were prese
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: Infectious complications, such as sepsis or catheter-related infections, are common and serious sequelae after trauma. Despite their clinical significance, existing risk-prediction models are limited by reliance on in-hospital data that fail to capture complex physiological interactions. Thus, this study aimed to develop and validate an interpretable ensemble machine learning (ML) model integrating both prehospital and in-hospital clinical data to predict infectious complications after trauma.
METHODS: We used data from the Korean Trauma Data Bank, comprising patients admitted to
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.
Suspension flow cytometry enables high-throughput cellular profiling at the single cell level, but these data lack positional information. Conversely, tissue-based imaging cytometry techniques reveal a cell's location within the tissue architecture and can provide insight into cell biology. It would be especially valuable if data analysis tools could incorporate data from imaging and flow cytometry platforms to gain complementary strengths when quantifying features of cells and populations. We hypothesized that per-cell Marker Enrichment Modeling (MEM) might provide a way to register cells bet
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 mortality prediction in older adults is a critical component of precision public health and risk stratification in healthcare systems worldwide. In middle-income countries, however, real-world applications remain scarce due to limitations in data quality and methodological scalability. This study aims to develop and benchmark state-of-the-art predictive models for all-cause mortality among adults aged 80 years and older in Colombia's five major cities, leveraging a uniquely rich and comprehensive administrative health dataset. We constructed two predictive cohorts from high-dimensiona
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: Autosomal dominant polycystic kidney disease (ADPKD), characterized by progressive cyst growth and renal decline, is the leading genetic cause of end-stage renal disease.
OBJECTIVE: This study aims to develop and validate machine learning (ML) models for predicting the risk of progression to dialysis in patients with ADPKD using a nationwide administrative database. Early identification of high-risk patients is critical for timely monitoring.
METHODS: This retrospective cohort study used data from Taiwan's National Health Insurance Research Database (2007-2018) to identify newly
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.
BACKGROUND: Anti-β-amyloid monoclonal antibodies provide a disease-modifying treatment approach for Alzheimer's disease, but post-marketing safety concerns remain, particularly amyloid-related imaging abnormalities (ARIA). Real-world studies have mainly described adverse event spectra and disproportionality signals, whereas report-level amyloid-related imaging abnormalities with edema or effusion (ARIA-E) risk stratification remains less well characterized.
OBJECTIVES: To compare post-marketing adverse event profiles of lecanemab (LEC) and donanemab (DON), identify report-level factors associ
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: Predicting mortality among people living with HIV enables clinicians to implement timely, targeted, and preventive interventions at the start of antiretroviral therapy (ART). However, prognostic models must rely strictly on baseline predictors to avoid look-ahead bias and ensure scientific validity. This study evaluates machine-learning (ML) algorithms for baseline mortality prediction using routine electronic medical record data.
OBJECTIVE: This study aims to predict mortality among people living with HIV receiving ART using baseline clinical and sociodemographic characteristics
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.
In light of growing biomedical data, machine learning (ML) models offer tremendous potential for personalized prediction in medicine. However, the additional value provided by these computational tools should always be critically evaluated. Using the example of predicting walking ability after spinal cord injury (SCI), we highlight a popular scenario in which data-driven predictions are feasible but not clinically meaningful, as the task can be performed equally well by humans. We asked 11 human observers from diverse backgrounds (five researchers without clinical training but proven knowledge
СтатьяМногоцентровое 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.
OBJECTIVES: This study aimed to develop and validate a machine-learning (ML) model to predict iron deficiency without anaemia (IDWA) using routinely collected electronic health record (EHR) data. The primary hypothesis was that an ML model could achieve better accuracy in identifying low ferritin levels (<30 ng/mL) in non-anaemic patients compared with traditional methods.
DESIGN: A retrospective cohort study.
SETTING: Data were derived from secondary and tertiary care facilities within the eight-hospital Mount Sinai Health System, an urban academic health system.
PARTICIPANTS: The study in
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: Current preoperative blood ordering relies on outdated, procedure-based maximum surgical blood order schedule (MSBOS) that overlook individual patient risk. Smart Match, a machine-learning (ML) tool that predicts patient-specific transfusion needs, was developed and silently validated. Integrated into real-time workflows, Smart Match demonstrates the potential of ML to replace MSBOS with personalized, data-driven approaches to perioperative blood management.
METHODS: Using 82 variables and 1921 features from the electronic medical record of a tertiary academic medical center, a cu
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: Scoping reviews, especially the screening phase, are time-consuming. Due to an exponential increase in the number of scientific articles related to health issues being published each year, the time burden is also expected to rise. In parallel, there is a gap in machine learning tools specifically tailored to support screening processes within scoping reviews. Large language models, such as ChatGPT, have shown promise in accelerating this process. Given the reliance of artificial intelligence on structured inputs, this study aims to refine eligibility criteria and analyse ChatGPT’s
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 delirium (POD) is a common complication after major surgery and is associated with poor outcomes in older adults. Early identification of patients at high risk of POD can enable targeted prevention efforts. However, existing POD prediction models require inpatient data collected during the hospital stay, which delays predictions and limits scalability.
OBJECTIVE: This study aimed to develop and externally validate a machine learning-based prediction model for POD using routine electronic health record (EHR) data.
METHODS: We identified all surgical encounters from 2
СтатьяВалидационное исследованиеПоддержка NIH: внешняя программаПолный 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.
AIM: To evaluate the clinical efficacy and functional outcomes of autologous tendon grafting in reconstructing Rockwood type III-V acromioclavicular (AC) joint dislocations, and to compare its performance with conventional titanium fixation.
METHODS: A total of 276 patients who underwent AC joint reconstruction between January 2019 and March 2024 were retrospectively analyzed. Following propensity score matching (PSM), 87 patients were included in the autologous tendon and titanium fixation groups. Primary outcome measures comprised radiographic parameters (acromioclavicular distance [ACD], c
СтатьяСравнительное 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.
ВВЕДЕНИЕ И ЦЕЛИ: Многие женщины с множественным склерозом (MS) сталкиваются с нейрогеническим избыточным мочевым пузырем (NOAB), характеризующимся частотой мочеиспускания, срочностью мочеиспускания и недержанием. Цель исследования заключалась в создании моделей машинного обучения (ML), в которых использовались бы клинические и визуальные данные для прогнозирования успешного лечения NOAB, стратифицированного по типу лечения. МЕТОДЫ: Это было ретроспективное когортное исследование женских пациентов с диагнозом NOAB и MS, которое было показано в высшем учебном центре с 2017 по 2022 год. Были извл
СтатьяПрепринтПоиск полного текста в очередиМашинный перевод · не проверен
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: Machine learning (ML) risk prediction models, although much more accurate than traditional statistical methods, are inconvenient to use in clinical practice due to their nontransparency and requirement of a large number of input variables.
OBJECTIVE: We aimed to develop a precise, explainable, and flexible ML model to predict the risk of in-hospital mortality in patients with ST-segment elevation myocardial infarction (STEMI).
METHODS: This study recruited 18,744 patients enrolled in the 2013 China Acute Myocardial Infarction (CAMI) registry and 12,018 patients from the China Pat
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.
The air quality index (AQI), based on criteria for air contaminants, is defined to provide a shared vision of air quality. As air pollution continues to rise in global cities due to urbanization and climate change, air pollution monitoring and forecasting models for effective air quality monitoring that gather and forecast information about air pollution concentration are essential in every city. Air quality predictions have evolved to be more helpful for management. Recently, better performance and ability have developed due to the involvement of machine learning (ML) and artificial intellige
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 Surgical Complexity Score (SCS) has been widely used to describe the surgical effort during advanced stage epithelial ovarian cancer (EOC) cytoreduction. Referring to a variety of multi-visceral resections, it best combines the numbers with the complexity of the sub-procedures. Nevertheless, not all potential surgical procedures are described by this score. Lately, the European Society for Gynaecological Oncology (ESGO) has established standard outcome quality indicators pertinent to achieving complete cytoreduction (CC0). There is a need to define what weight all these surgical sub-proced
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: Exposure to wildfire smoke has been linked with a range of health outcomes. However, to date, evidence is limited for the association between wildfire-specific PM2.5, a primary emission of wildfire smoke, and adverse birth outcomes.
OBJECTIVE: We aimed to estimate the risk and burden of preterm birth/term low birth weight, associated with maternal exposure to wildfire-specific PM2.5.
METHODS: A total of 330,884 birth records with maternal information were collected from the New South Wales Australia from 2015 to 2019, covering 523 residential communities. Daily wildfire-specific
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.
MedElevator
Войти в исследования