UNLABELLED: The aim of the study was to develop an optimal technique to predict the results of a bicycle ergometry test (BET) based on the parameters recorded during a six-minute walk test (6MWT) using machine learning methods.
MATERIALS AND METHODS: The study involved 56 patients who had experienced acute myocardial infarction and were undergoing the second stage of cardiac rehabilitation. The patients underwent a complete examination, including history taking, physical examination, anthropometric assessment, as well as a symptom-limited BET and 6MWT. During the 6MWT, we recorded the followi
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.
Augmented renal clearance (ARC) frequently occurs in critically ill septic patients and is known to impact survival outcomes. To address this, we aimed to develop an interpretable machine learning model for early mortality prediction in this high-risk population using the MIMIC-IV database. A total of 518 septic patients with ARC were enrolled, with a 28-day mortality rate of 17.2%. From the first 24 h of ICU admission and the time of ARC onset, we extracted 162 and 88 covariates, respectively. Following data imputation, we applied a three-stage feature selection strategy, consisting of the EP
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: Pelvic organ prolapse (POP) surgery is a common procedure requiring effective anesthesia. Remimazolam, a novel benzodiazepine-based anesthetic agent, has shown promise in clinical practice. However, predicting its efficacy in managing postoperative pain remains challenging. This research focused on developing and validating artificial intelligence (AI) models to predict the effectiveness of remimazolam anesthesia in patients undergoing POP surgery. METHODS: In this single-centre retrospective observational study, clinical data from 150 women undergoing pelvic organ prolapse surgery
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.
High-risk pregnancies pose a major challenge in maternal and neonatal healthcare, defined as conditions where medical, social, or obstetric factors threaten the health of the mother or fetus. Traditional clinical tools often overlook individual complexities and delay identification, especially in resource-limited settings where mortality rates remain high. This study addresses these gaps by developing machine learning (ML) models for high-risk pregnancy prediction using data from 62 pregnant women at an Iranian hospital (2014-2016). Features were categorized into demographics, pregnancy-relate
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.
Post-splenectomy portal vein system thrombosis (PVST) is a serious complication that adversely affects patient prognosis. The aim of this study was to develop and validate a machine learning-based model for early risk prediction of PVST after splenectomy. A total of 594 patients who underwent splenectomy were included in this study. The data were randomly divided into a training set (n = 417) and a validation set (n = 177) in a 7:3 ratio. Clinical characteristics associated with PVST risk were screened using LASSO regression and univariate analysis. Seven machine learning algorithms were appli
СтатьяВалидационное 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: Rheumatoid arthritis patients in the ICU face a high risk of mortality. While traditional ICU scoring systems are not specifically designed for the unique pathophysiological profile of RA. This study aimed to develop a machine learning framework to accurately predict 30-day mortality for these patients.
METHODS: Data from 400 RA patients in the MIMIC-IV database were analyzed. LASSO regression identified nine pivotal predictors: age, BUN (urea), PT, respiratory rate, SpO2, glucose, urine output, and coronary artery disease. Six ML models were constructed using SMOTE to handle clas
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: Childhood T-lineage acute lymphoblastic leukemia (T-ALL) is an aggressive hematologic malignancy with poor prognosis. Differently from B-cell precursor ALL, T-ALL lacks effective risk stratification strategies. A recent study has integrated whole genome and whole transcriptome data to define 17 distinct molecular subtypes with prognostic significance. However, clinical translation of this knowledge remains challenging due to the complexity of interpreting high-dimensional multi-omics-based data.
METHODS: Here, we present clinTALL, a deep learning based multi-task pipeline for pedi
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.
Objective: Depression and anxiety are common during pregnancy yet remain underdetected. In this project, we examined the usefulness of speech for predicting major depressive disorder (MDD) and generalized anxiety disorder (GAD) during pregnancy. Methods: We conducted a Prediction Model Development and Evaluation Study using data collected from July 2019 to May 2020 in British Columbia, Canada. MDD and GAD diagnoses were ascertained using the Structured Clinical Interview for DSM-5. We extracted speech features from recorded interviews that contained the voices of both patient and the interview
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: Currently, diagnosis of manifest Huntington disease (HD) is made when there is ≥ 99% confidence that observed motor abnormalities, rated on the Unified Huntington Disease Rating Scale (UHDRS), are due to HD (Diagnostic Confidence Level, DCL, = 4). However, there are no explicit rules relating UHDRS motor score items to an appropriate DCL, leaving diagnosis potentially subjective and variable.
OBJECTIVE: We sought to develop algorithms to classify manifest HD, based on UHDRS motor scores.
METHODS: We applied supervised machine learning techniques including elastic net logistic reg
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 develop and evaluate machine learning algorithms for predicting patient-reported outcomes following breast reconstruction.
BACKGROUND: Machine learning may inform patient-reported outcomes in breast reconstruction, possibly enhancing shared decision-making and tailoring patient care.
METHODS: Data on patient characteristics, reconstructive technique, and BREAST-Q scores from women undergoing breast reconstruction at Memorial Sloan Kettering Cancer Center (MSKCC) between January 2010 and March 2024 was retrospectively collected. Five machine learning algorithms were developed an
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.
BACKGROUND: This study aims to develop a machine learning (ML)-based predictive model for evaluating the efficacy of percutaneous pulmonary balloon angioplasty (BPA) in patients with chronic thromboembolic pulmonary hypertension (CTEPH) by integrating clinical and echocardiographic parameters. By comparing the predictive performance of different algorithms, we aimed to establish a robust tool to identify patients most likely to benefit from BPA. METHODS: We retrospectively included 135 inoperable CTEPH patients who underwent BPA between January 2017 and September 2024. Clinical and echocardiog
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.
OBJECTIVE: Human factors have a profound influence on the prevalence of vehicle crashes, particularly among high-risk drivers. This study aims to develop a driver risk-level identification method to effectively evaluate the safety of drivers and design training programs.
METHODS: The personality traits of 50 drivers were quantitatively evaluated using the Symptom Checklist-90 scale, with parallel documentation of demographic information. A tri-level risk categorization (low, medium, and high) was established for drivers based on risky driving behaviors investigated via field tests. Correlatio
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.
INTRODUCTION: The development of robust predictive models for high-grade cytokine release syndrome (CRS) in CAR-T recipients remains limited by sparse clinical trial data.
METHODS: We analyzed of 496 COVID-19 patients revealed that CRS plays a pivotal role in disease progression and serves as a valuable data source for understanding CRS progression. Building on this insight, we evaluated and compared the predictive performance of three machine learning models, with the ultimate goal of developing a predictive model for high-grade CRS in patients receiving CAR-T therapy.
RESULTS: Among evalua
Сравнительное исследованиеСтатьяНаблюдательное исследованиеВалидационное 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.
Lysine crotonylation (Kcr) is an evolutionarily conserved protein post-translational modifications, which plays an important role in cellular physiology and pathology, such as chromatin remodeling, gene transcription regulation, telomere maintenance, inflammation, and cancer. Tandem mass spectrometry (LC-MS/MS) has been used to identify the global Kcr profiling of human, at the same time, many computing methods have been developed to predict Kcr sites without high experiment cost. Deep learning network solves the problem of manual feature design and selection in traditional machine learning (N
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.
BackgroundConcurrent chemoradiotherapy (CCRT) was highly effective in treating cervical cancer (CC) but raised the risk of bone marrow suppression. However, models to predict the risk of myelosuppression in CC patients after CCRT based on computed tomography (CT) imaging histology are immature.MethodsThe Region of interest (ROI) of the CT images was segmented, and radiomic features were extracted. Next, important features were further selected. The training and test sets were split 7:3, and 8 machine learning algorithms were applied to classify the features in the training set. The model's per
Полный текст 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.
OBJECTIVE: The scarcity of artificial intelligence (AI) applications designed for use in pediatric patients can cause a significant health disparity in this vulnerable population. We investigated the performance of an adult-trained algorithm in detecting pneumonia in a pediatric population to explore the viability of leveraging adult-trained algorithms to accelerate pediatric AI research.
METHODS: We analyzed a publicly available pediatric chest x-ray dataset using an AI algorithm from TorchXRayVision. A 60% threshold was used to make binary predictions for pneumonia presence. Predictions wer
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.
INTRODUCTION: Coronary angiography (CAG) is invasive and expensive, while numbers of patients suspected of coronary artery disease (CAD) undergoing CAG results have no coronary lesions.
AIM: To develop machine learning algorithms using symptoms and clinical variables to predict CAD.
MATERIAL AND METHODS: This study was conducted as a cross-sectional study of patients undergoing CAG. We randomly chose 2082 patients from 2602 patients suspected of CAD as the training set, and 520 patients as the test set. We utilized LASSO regression to do feature selection. The area under the receiver operati
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 work sought to explore the potential of using standalone continuous glucose monitor (CGM) data for the prediction of hypoglycemia utilizing a large cohort of type 1 diabetes patients during free-living. We trained and tested an algorithm for the prediction of hypoglycemia within 40 minutes on 3.7 million CGM measurements from 225 patients using ensemble learning. The algorithm was also validated using 11.5 million synthetic CGM data. The results yielded a receiver operating characteristic area under the curve (ROC AUC) of 0.988 and a precision-recall area under the curve (PR AUC) of 0.767
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.
Knowledge of the expected accuracy of HLA typing algorithms is important when choosing between algorithms and when evaluating the HLA typing predictions of an algorithm. This chapter guides the reader through an example benchmarking study that evaluates the performances of four NGS-based HLA typing algorithms as well as outlining factors to consider, when designing and running such a benchmarking study. The code related to this benchmarking workflow can be found at https://github.com/nikolasthuesen/springers-hla-benchmark/ .
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: Metabolic dysfunction-associated steatotic liver disease (MASLD) is a leading chronic liver disorder closely linked to diabetes mellitus (DM) and its cardiovascular and renal complications. Early identification of diabetes risk in this population is essential for timely intervention.
OBJECTIVE: To develop machine learning (ML) models to predict diabetes risk in individuals with MASLD and to identify key predictive factors using a nationally representative dataset.
METHODS: Data from 6310 MASLD participants (2007-2018) were analysed and classified into DM and non-DM groups. Featur
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.
MedElevator
Войти в исследования