BACKGROUND: Sepsis-induced coagulopathy (SIC) is a common and severe complication in patients with sepsis, characterized by microvascular thrombosis, systemic endothelial damage, and markedly increased short-term mortality. Existing traditional clinical risk scoring systems demonstrate limited accuracy and fail to capture complex, nonlinear physiological interactions, underscoring the urgent need for advanced prognostic tools.
OBJECTIVE: The objective of this study was to develop and validate an interpretable machine learning (ML) model using large-scale, multicenter databases to predict earl
СтатьяМногоцентровое исследованиеВалидационное 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: Coal workers' pneumoconiosis (CWP) is the most prevalent occupational disease that causes irreversible lung damage. Early prediction of CWP is the key to blocking the irreversible process of pulmonary fibrosis. The prediction of CWP based on imaging data and biomarker detection is constrained due to high cost and poor convenience.
OBJECTIVE: The study aimed to use easily detectable clinical data to construct a prediction model for CWP through machine learning (ML) methods.
METHODS: A prediction framework was established using a moderate-sized dataset and multidimensional clinical
СтатьяВалидационное исследованиеПоддержка 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.
IntroductionThis formative study aimed to develop and evaluate supporter-focused text messages intended to enhance helpful support behaviors and reduce counterproductive support behaviors in the context of smoking cessation.MethodsWe developed 65 messages informed by responsiveness theory and established research on cessation. One hundred and ninety six adults (eligibility: ≥18 years, knowing someone who smokes) rated the messages on three dimensions of helpfulness (i.e., clarity, usefulness, relevance). Using mixed-effects regression models, we examined whether helpfulness ratings differed by
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: Delirium is a common and clinically important form of acute in-hospital mental status deterioration. Electronic health record (EHR)-based prediction models may support early identification and targeted prevention, but their methodological quality, validation rigor, and clinical readiness remain uncertain.
OBJECTIVE: This systematic review aimed to synthesize and critically evaluate prediction models for in-hospital delirium developed using routinely collected EHR data, focusing on model characteristics, validation strategies, performance, risk of bias, and clinical applicability.
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: The introduction of the RTS, S (Mosquirix®) malaria vaccine in Cameroon represents a significant public health milestone. This study analyzed social media sentiment surrounding the vaccine rollout using natural language processing and machine learning. Methods: Data from Twitter (X) and Facebook (Meta) regarding the RTS, S vaccine in Cameroon was analyzed using the Hugging Face Transformer library for sentiment evaluation. The data was pre-processed, cleaned, and visualized with Matplotlib. Results: The sentiment analysis revealed that 42.0% of reactions were negative, 40.0% were p
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.
IntroductionStandardizing patient data collection and analysis facilitates accurate reporting and enhances communication among healthcare teams. Given the high prevalence of leishmaniasis in specific geographic regions of Iran and the critical role of registry systems, this study aimed to identify the essential data elements required for developing a comprehensive registry system for patients with leishmaniasis.MethodsThis descriptive-applied study was conducted in 2024 in two phases: a literature review (2011-2024) to identify data elements for leishmaniasis, followed by expert consultation t
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.
ObjectiveThis study aimed to evaluate the quality and reliability of dengue fever-related videos on social media platforms.MethodsA cross-sectional study was conducted on January 10, 2026. Top 120 videos from each platform (YouTube and Douyin) were screened. Video characteristics were extracted. Quality and reliability were assessed using the Global Quality Scale (GQS), modified DISCERN, JAMA Benchmark criteria, and the Content Completeness Score (CCS).Results170 videos (70 from YouTube, 100 from Douyin) were included. YouTube videos were longer (118.50 vs. 78.50, Z = -3.79, p < 0.001), had hi
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: Inappropriate antibiotic prescribing contributes to antimicrobial resistance. Antimicrobial stewardship (AMS) programs increasingly rely on electronic health record (EHR)-based clinical decision support (CDS) alerts to guide evidence-based care, yet poorly designed alerts can increase cognitive burden and contribute to burnout. Usability testing offers a structured approach to improving alert design and adoption.
OBJECTIVES: This study aimed to evaluate and iteratively refine interruptive CDS alerts developed to support appropriate antibiotic prescribing for pediatric acute respir
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.
Color is a defining feature of hematoxylin and eosin (H&E)-stained histological sections; however, the extent to which diagnostic interpretation depends on color rather than grayscale-defined structure remains uncertain. We utilized systematic digital color manipulations and deep learning (DL) to interrogate the diagnostic contribution of color in H&E-stained slide-based breast cancer grading. H&E images were transformed into the YCbCr color space, enabling independent manipulation of luminance (Y) and chrominance (Cb, Cr). Four image variants were generated: grayscale, color-only, color-blind
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: Neonatal sepsis remains a major cause of neonatal morbidity and mortality in low- and middle-income countries (LMICs). Early diagnosis is challenging because of nonspecific clinical manifestations and delays in laboratory confirmation. Machine learning (ML) approaches using structured electronic health record (EHR) data may improve early risk stratification in neonatal intensive care units (NICUs).
OBJECTIVE: This study aimed to evaluate ML models for predicting culture-confirmed neonatal sepsis among neonates admitted to a tertiary NICU in Jordan, with the objective of addressing
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: Data linkage in pharmacoepidemiological research is commonly employed to ascertain exposures and outcomes or to obtain additional information on confounding variables. However, to protect patient confidentiality, unique patient identifiers are not provided, which makes data linkage across multiple sources challenging. The Saudi Real-World Evidence Network (SRWEN) aggregates electronic health records from various hospitals, which may require robust linkage techniques.
OBJECTIVE: We aimed to evaluate and compare the performance of deterministic, probabilistic, and machine learning (
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.
BackgroundConventional breast cancer screening is limited by cost, access, and patient discomfort. Whether a lightweight machine-learning model trained on routine laboratory indicators can support opportunistic screening remains unsettled.MethodsA retrospective cohort of 13,285 individuals (1,216 ICD-10 C50 cases, 12,069 controls) from a Chinese tertiary hospital during 2022 to 2024 was analysed with a leakage-controlled pipeline. Six classical learners and LightGBM were trained on twenty indicators, then assessed by discrimination, calibration, decision-curve analysis, and zero-shot UK Bioban
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: Colorectal cancer (CRC) ranks as the third highest incidence among malignancies for human and the second most common cause of cancer-related mortality in the United States. Accumulating evidence has established microRNAs (miRNAs) as critical regulators of cancer development and therapeutic response. Understanding miRNA-mRNA interactions is critical for elucidating the molecular mechanisms driving CRC and other malignancies. However, accurately modeling miRNA-mRNA interactions and their binding patterns remains challenging.
METHODS: In this study, we proposed GIN-CRC-Pareto, a grap
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: Preoperative stratification for non-small cell lung cancer (NSCLC) necessitates separate evaluations of lymph node metastasis (LNM) to guide surgical decisions and of programmed death-ligand 1 (PD-L1) expression to inform immunotherapy.
OBJECTIVE: This study aimed to develop and validate an integrated diagnostic solution that could simultaneously predict both LNM status and PD-L1 expression status from a single, standard-of-care 18F-fluoro-2-deoxy-D-glucose positron emission tomography/computed tomography (18F-FDG PET/CT) scan.
METHODS: In this multicenter study, we segmented pri
СтатьяМногоцентровое исследованиеПоддержка 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: The rising global incidence of renal tumors necessitates precise diagnostic interventions. Accurate segmentation of computed tomography (CT) scans is essential for nephron-sparing surgery and radiotherapy. However, conventional manual delineation is labor-intensive and prone to significant interobserver variability due to tumor morphological heterogeneity. There is an urgent clinical demand for robust, automated segmentation solutions.
OBJECTIVE: This study aims to develop and validate GAM-DeepLabV3+, an automated framework designed to address boundary ambiguity and high false-pos
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.
Artificial intelligence (AI)-based prostate cancer detection through whole slide images (WSIs) offers promising potential to address the global pathologist shortage while improving clinical consistency. Digital slides and improving image analysis methods encourage the creation of tools to aid in WSI classification. Despite promising advances, these tools are still limited by available training data. Current publicly available datasets, such as Kaggle's PANDA Challenge, while large in scale, rely on slide-level labels that may introduce noise and limit model reliability. Others contain detailed
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: Rectal cancer (RC) is a common malignant tumor, with lymph node metastasis (LNM) being a critical determinant of patient prognosis. Traditional diagnostic methods have limitations, necessitating the development of predictive models using clinical data.
OBJECTIVE: This study aimed to construct and validate machine learning (ML) models to predict LNM risk in patients with RC based on clinical data.
METHODS: Retrospective data from 2454 patients with RC (SEER [Surveillance, Epidemiology, and End Results] database) were split into training (n=1954) and internal validation (n=500) set
СтатьяВалидационное исследованиеПоддержка 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.
OBJECTIVE: AI-based DR screening is promising in low- and middle-income countries (LMICs), where limited human resources constrain access to specialist-led programs. However, current systems often degrade under real-world image-quality variations, especially with portable devices that are vital for low- and middle-income countries. This study aims to develop Retsyn, a synthetic-data augmentation framework that improves screening robustness across devices and imaging conditions.
METHODS: RetSyn leverages advanced diffusion models to generate synthetic retinal images with diverse device and ima
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.
A novel patient monitoring system is introduced, designed to support early risk mitigation in pancreatic cancer through personalized health interventions. The system aims to strengthen patient engagement and proactive care by enabling healthcare practitioners (HCP) to assign dynamic, data-driven and personalized mitigation plans. Central to this system is a user interface that allows HCP to review and assign tailored mitigation plans to patients. These plans are formulated based on primary clinical data and enriched with secondary behavioral data, such as wearable-derived metrics and self-repo
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.
MedElevator
Войти в исследования