This study proposes a novel Dynamic Decision Support System (DDSS) framework aimed at enhancing countries' pandemic preparedness through robust forecasting and adaptive clustering analysis of Coronavirus Disease 2019 (COVID-19) data. The forecasting module integrates multiple Machine Learning (ML) models with a recursive error-adjustment mechanism that significantly improves long-term prediction accuracy of cumulative COVID-19 cases compared to conventional time series models such as Autoregressive Integrated Moving Average (ARIMA), Error Trend Seasonality (ETS), and Long Short-Term Memory (LS
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: The objective of the study is to evaluate a classification and regression tree (CART) model combined with odds ratio (OR) to identify key predictors of COVID-19 mortality. Data from 1,432 patients hospitalized at Hospital General de México during the pandemic's 1st year were analyzed.
METHODS: A CART model was constructed using demographic, clinical, and laboratory data collected at admission. The model's performance was evaluated using multiple criteria, and ORs were calculated for each node to measure mortality.
RESULTS: Mechanical ventilation emerged as the strongest predictor
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.
Post-harvest losses are the most economically damaging phase of quality deterioration in the Egyptian strawberry export corridor. Egypt is the world's leading exporter of individually quick-frozen strawberries and a top-three supplier of fresh strawberries globally, yet substantial losses arise from cold chain failures, suboptimal packaging, and logistical inefficiencies. The objectives of this study are (1) to develop the first ML-based post-harvest loss prediction framework calibrated to Egyptian strawberry export conditions; (2) to benchmark four model architectures (Random Forest, eXtreme
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: Improved risk prediction of cancer-associated venous thromboembolism (VTE) remains an unmet clinical need. We aimed to apply machine learning for the prediction of cancer-associated VTE.
PATIENTS AND METHODS: Data from the Vienna Cancer and Thrombosis Study (Vienna-CATS), a prospective cohort study that included patients with cancer from 2003-2019, were used. Patient characteristics and laboratory measurements (including various routine and experimental laboratory assays) were used to train and validate six classification models for VTE prediction. Monte Carlo cross-validation was
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.
This study developed and validated a machine learning model to predict refractory septic shock in patients with sepsis admitted to a tertiary care center in India. Using an ambispective design, data from 1,008 adult intensive care unit patients were used for model development and 102 for prospective validation. Demographic, clinical, laboratory, and imaging variables were analyzed through a structured three-tiered feature selection process, and Random Forest classifiers were trained on optimized feature sets. The best-performing model, incorporating 27 clinical and laboratory features, achieve
СтатьяВалидационное 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.
BACKGROUND AND OBJECTIVE: Valproic acid is a classic antiepileptic drug; however, it is characterized by a narrow therapeutic window, limited safety margin, and marked individual variability. Therapeutic drug monitoring has become a key approach for individualized dosing of valproic acid. Nevertheless, in settings with limited medical resources, routine monitoring of valproic acid concentrations is often not feasible. This study aims to explore the factors influencing valproic acid concentrations and to identify machine learning algorithms with the most accurate classification performance, the
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.
Gestational diabetes mellitus (GDM), hypertensive disorders of pregnancy (HDP), preterm birth, and intrauterine growth restriction represent major contributors to maternal and neonatal morbidity worldwide. Traditional screening methods relying on single biomarkers or linear models often demonstrate limited predictive accuracy. This review examines the transformative role of machine learning (ML) in shifting obstetric care toward predictive, preventive, and personalized approaches. Advanced computational models integrating multimodal data sources clinical records, biochemical markers, multi-omi
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.
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2026eng
PURPOSE: This study aimed to evaluate the utility of L1-L4 average Hounsfield Unit (HU) values from lumbar spine computed tomography (CT) in predicting osteoporosis using multiple machine learning (ML) models.
METHODS: We retrospectively analyzed 172 patients (≥ 50 years) who underwent lumbar spine surgery and received preoperative CT and dual-energy X-ray absorptiometry (DXA) within 3 months. Osteoporosis was defined as a T-score < - 2.5 at either the lumbar spine or femoral neck. The L1-L4 average HU value was used as the sole input variable to develop seven supervised ML models. Model perf
СтатьяСравнительное 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: Atrial fibrillation (AF) is the most common cardiac arrhythmia and is associated with a five-fold increased risk of stroke. Early prediction of AF onset could improve care for at-risk patients. Existing predictive models often rely on clinical risk scores or machine learning approaches using, for instance, heart rate variability (HRV) features. Among these, sample entropy (SampEn), a quantitative measure of signal complexity, has shown promise as a predictor of AF onset. In this study, we proposed a joint modeling approach that incorporates both baseline covariate and the longitudi
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.
Zhonghua lao dong wei sheng zhi ye bing za zhi = Zhonghua laodong weisheng zhiyebing zazhi = Chinese journal of industrial hygiene and occupational diseases2026chi
Objective: To develop an interpretable machine learning model to predict the risk of respiratory failure in patients with pneumoconiosis. Methods: In February 2025, based on the retrospective West China Occupational Pneumoconiosis Cohort, 1367 hospitalized pneumoconiosis patients in West China Fourth Hospital of Sichuan University from January 1, 2012 to November 30, 2021 were selected as the research objects. Predictive variables were selected using least absolute shrinkage and selection operator (LASSO) -Cox regression. Four machine learning models, including random survival forest model (RS
Аннотация на английскомСтатьяПоиск 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: To improve prediction and understanding of TB dynamics in Argentina, identifying key risk factors and high-incidence areas to inform surveillance and public health control strategies.
STUDY DESIGN: Retrospective observational study.
METHODS: We applied (i) machine learning models (Histogram-Based Gradient Boosting, XGBoost, Random Forest, and Logistic Regression) to predict treatment outcomes, (ii) time series models (ARIMA, SARIMAX, and LSTM) to forecast weekly TB case counts, and (iii) spatial analysis tools (LISA, Moran's I) to identify high-incidence clusters.
RESULTS: Weekl
СтатьяНаблюдательное 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.
BACKGROUND: Severe acute pancreatitis (SAP) involves significant fluid loss, necessitating precise fluid therapy. However, standardized protocols are lacking. This study aimed to develop a machine learning-based prediction model for fluid requirement in SAP patients. METHODS: We conducted a retrospective observational study of SAP patients admitted to Peking University Third Hospital (2016–2020) within 48 h of onset. Fluid requirement was quantified by 48-hour rehydration volume. Using the Lasso algorithm, we screened predictive variables and trained five models: Gradient Boosting Decision Tre
СтатьяНаблюдательное 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: Bronchopulmonary dysplasia (BPD) remains one of the most common and serious complications in preterm infants. This study aimed to develop and validate machine learning (ML) algorithms to predict the risk of BPD in preterm neonates based on potential antenatal risk factors. METHODS: This retrospective study included 644 preterm infants with gestational age (GA) < 32 weeks who were hospitalized between January 2019 and December 2022. Of these, 450 and 194 infants were assigned to the training and internal validation cohorts, respectively. An independent external validation external v
СтатьяВалидационное 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.
BACKGROUND: Severe disabling attacks neuromyelitis optica spectrum disorders (NMOSD) severely affect patients’ quality of daily life and life safety. METHODS: This retrospective study enrolled consecutive Chinese patients suffering from NMOSD who visited the China-Japan Friendship Hospital (Beijing, China) between October, 2010 and February, 2023. Correlation analysis was used to perform feature selection. The prediction model was constructed using the support vector machine (SVM) and extreme gradient boosting (XGBoost) algorithm. RESULTS: A total of 356 patients (mean [SD] age, 34.45[15.22] y
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: Previously proposed algorithms to predict the ventricular tachycardia (VT) exit site have been based on diverse left ventricular models, but none of them identify the precise region of origin in the electroanatomic map. Moreover, no electrocardiographic (ECG) algorithm has been tested to predict the region of origin of scar-related VTs in patients with nonischemic cardiomyopathy.
OBJECTIVE: The purpose of this study was to validate a simple ECG algorithm to identify the segment of origin (SgO) of VT relative to the 17-segment American Heart Association model in patients with struc
СтатьяПоддержка исследования: вне правительства СШАПолный 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 paper describes a tin oxide and copper doped tin oxide gas sensing material synthesized by a biological template method and simple hydrothermal reaction, which were used for the preparation of a gas sensor array. The sensor array is combined with the Sparrow Search Algorithm optimized BP neural network algorithm (SSA-BP) to predict and analyze the concentration of indoor toxic gases, including ammonia, xylene, and formaldehyde. Granular SnO2 was prepared by the biological template method and Cu/SnO2 doped with different copper ion concentrations was prepared by the hydrothermal method. Th
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 study the efficacy of the WINROP (https://winrop.com) algorithm in Taiwan, a middle income, moderately developed country in Asia.
STUDY DESIGN: We enrolled all preterm infants born with a gestational age less than 32(+0) weeks from September 2008 to August 2010. The results of serial retinopathy of prematurity examinations according to the screening guidelines in our hospital were recorded. Weekly body weight was also recorded for the WINROP algorithm. The sensitivity, specificity, positive predictive value, and negative predictive value were calculated.
RESULTS: Overall, 148 i
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.
OBJECTIVES: The early identification of carbapenemase-producing Enterobacterales (CPE) is required to prevent their spread and initiate proper therapy. Accordingly, it is crucial to develop efficient algorithms using susceptibility testing results to discriminate non-carbapenemase producers (non-CPE) from those that require complementary tests. In 2022, to adapt its recommendations to the evolution of CPE epidemiology (increased prevalence of OXA-244 producers), the Antibiogram Committee of the French Society of Microbiology (CA-SFM) proposed a new algorithm for the screening of CPE. We compar
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 construct a venous thromboembolism (VTE) risk prediction model for orthopedic inpatients using machine learning modeling techniques, identify high-risk patients, and optimize clinical interventions.
METHODS: This study involved a retrospective analysis of 286 orthopedic inpatients from Nanxishan Hospital of Guangxi Zhuang Autonomous Region (The Second People's Hospital of Guangxi Zhuang Autonomous Region) from January 1, 2022 to December 31, 2022. To ensure patient information security, all data were fully anonymized before access. The collected data included basic information s
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: Non-thyroid disease syndrome (NTIS) occurs in various serious illnesses, with sepsis being a common cause. Early identification of NTIS risk in sepsis patients is crucial. This study aimed to develop machine learning-based predictive models for the NTIS occurrence and mortality in sepsis patients.
METHODS: Clinical data were collected from 963 recruited sepsis patients, and 890 of them were retained for NTIS occurrence prediction after data selection and processing, while 797 NTIS patients were selected for mortality prediction. LASSO regression and correlation analysis identified
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