BACKGROUND: Despite advances in understanding and treating non-ST-elevation acute coronary syndrome (NSTE-ACS), patients continue to experience high rates of adverse outcomes, particularly those with non-ST-segment elevation myocardial infarction, which remains a leading cause of cardiovascular mortality. Existing risk models may not fully reflect contemporary patient populations due to substantial changes in clinical profiles. Developing new machine learning (ML)-based risk calculators may improve the prediction of in-hospital mortality (IHM) at different stages of the diagnostic process, and
СтатьяНаблюдательное исследованиеПоддержка 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.
OBJECTIVES: To construct a machine learning-based predictive model for fatty liver in patients with Wilson disease (WD).
METHODS: Clinical data retrospectively collected from 1862 WD patients at the First Affiliated Hospital of Anhui University of Chinese Medicine were divided into a training set (70%) and a validation set (30%). The least absolute shrinkage and selection operator (LASSO) was employed to screen the key predictive variables. Seven algorithms, namely logistic regression (LR), decision tree (DT), random forest (RF), extreme gradient boosting (XGBoost), light gradient boosting ma
СтатьяВалидационное исследованиеАннотация на английскомПоиск 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: To evaluate supervised machine learning (ML) models for classifying temporomandibular joint (TMJ) disc displacement on MRI using morphometric and signal intensity features.
METHODS: This retrospective study analyzed 324 TMJs from 162 individuals who underwent 3T MRI. Extracted features included condylar anteroposterior and mediolateral diameters, disc and condyle morphology, and lateral pterygoid muscle signal intensity ratios. Six ML algorithms (Random Forest, Gaussian Naïve Bayes, Logistic Regression, AdaBoost, Gradient Boost, and k-Nearest Neighbor) were evaluated using stratifi
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.
PURPOSE: In cardiovascular patients, precise risk stratification is crucial for minimizing exercise-related risks and optimizing treatment efficacy during cardiac rehabilitation. Existing classification criteria vary among organizations, necessitating a comprehensive assessment of the underlying conditions and medical tests. We developed machine-learning models to assist in standardizing risk classification for cardiopulmonary exercise training.
MATERIALS AND METHODS: Using retrospective data from 1163 patients across three institutions, we developed an AI model to reproduce clinician-assigne
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.
PURPOSE: In this research, key factors influencing breast cancer risk, a major global issue, are investigated, using machine learning (ML) and explainable AI, for racial differences.
METHODS: We used Breast Cancer Surveillance Consortium (BCSC) data, originally comprising 1.5 million unique combination records, from 6.7 million mammograms, collected between 2005 and 2017. Naïve Bayes, Logistic Regression, and Extreme Gradient Boosting models were applied to identify these key predictors. Variable importance and SHapley Additive exPlanations values were used to interpret models and identify mo
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: Accurate identification of patients at high risk of pulmonary infection after thoracoscopic lung cancer resection is important for timely and targeted preventive measures. Methods for determining the risk of pulmonary infection after thoracoscopic lung cancer resection have not been well studied.
METHODS: This study was a retrospective case-control research project. The information of 3219 hospitalised patients who underwent thoracoscopic lung cancer resection between January 2019 and December 2023 was obtained from the hospital electronic medical record system. 26 clinical charac
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.Postoperative delirium (POD) poses a significant risk to patients, and accurate prediction of POD can provide guidance for positive interventions. Although many studies have applied machine learning (ML) to electronic health records to predict POD, there has been a lack of studies utilizing electroencephalogram (EEG) data to accurately predict POD.Methods.This retrospective study included 142 patients from two hospitals, among whom 33 developed POD. We extracted multi-domain features from high-density EEG (HD-EEG), screened 39 key features using recursive feature elimination, and an
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: Latent autoimmune diabetes in adults (LADA) is characterized by progressive β-cell impairment and severe glycemic lability, predisposing patients to in-hospital hypoglycemia. Few tailored risk-stratification models exist for this population. This study aimed to develop and validate an interpretable machine learning model using routine clinical data to predict in-hospital hypoglycemia in LADA inpatients.
METHODS: This multicenter retrospective study recruited participants from five Chinese tertiary hospitals between January 2019 and September 2025. Data from four centers formed the
СтатьяМногоцентровое 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: Most clinical prediction models for assisted reproductive technology focus primarily on female ovarian reserve markers and often under-represent male factors and the metabolic status of both partners. Additionally, traditional parametric models may have limited ability to capture nonlinear patterns within reproductive data. This study aimed to develop and validate a machine learning (ML)-based model to predict clinical pregnancy outcomes in couples with male factor infertility undergoing IVF/ICSI, and to explore model interpretability using Shapley Additive exPlanations (SHAP).
ME
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.
PURPOSE: Perinatal anxiety severely impacts maternal and infant health, yet efficient screening remains a challenge. This study aims to create a clinically interpretable screening framework by employing a machine learning (ML) model explained via Shapley additive explanations (SHAP). METHODS: This cross-sectional study was conducted between November 2022 and August 2023 at a tertiary teaching hospital in Guangzhou, China. We assessed pregnant women for prenatal anxiety symptoms via the Generalized Anxiety Disorder Scale (GAD-7). Four ML models—random forest (RF), support vector machine (SVM),
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.
OBJECTIVES: Invasive Candida infection is an increasing clinical concern, with antifungal resistance rising across multiple species. However, rapid and accurate antifungal susceptibility testing (AFST) remains limited in routine practice. The study evaluated species distribution and antifungal susceptibility of invasive Candida isolates in China and assessed the feasibility of combining whole-genome sequencing (WGS) with machine learning to predict minimum inhibitory concentrations (MICs).
METHODS: Consecutive non-repetitive isolates were collected from 20 hospitals in 13 provinces during 202
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.
Delirium is a common ICU complication associated with increased morbidity, mortality, and healthcare costs. Early identification of at-risk patients can enable preventive interventions. In this study, we developed machine learning models to predict delirium onset using clinical data from the first 24 hours of ICU admission, extracted from the MIMIC-IV database. Adult patients with ICU stays longer than 24 hours and no delirium on day 1 were included. Delirium was defined as a positive CAM-ICU assessment between ICU days 2 and 7 in patients with RASS ≥ 3. Forty-two first-day clinical features w
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.
OBJECTIVES: Accurate prediction of axillary lymph node metastasis (ALNM) is crucial for tailoring breast cancer treatments, this study aimed to develop a machine-learning model for predicting ALNM in patients with breast cancer based on multimodal ultrasound (MU) features.
MATERIALS AND METHODS: A total of 696 breast cancer patients were included From January 2016 to December 2022. Data and MU images were collected and incorporated using 9 machine learning models to predict ALNM. Model performance was evaluated by area under the receiver operating characteristics curve (AUC-ROC).
RESULTS: A
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: 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.
OBJECTIVES: Crohn disease (CD) patients face a clinically significant high risk of abdominal surgery. This study aims to develop a predictive model for estimating abdominal surgery in CD patients with Crohn Disease Activity Index (CDAI) 0-1.
METHODS: CD patients treated at the Second Xiangya Hospital of Central South University between 2016 and 2022 were retrospectively enrolled. Using a fixed random seed, the full cohort was randomly split into a training set and a validation set at a 5:5 ratio. Final predictors were selected using multivariable backward stepwise Cox regression, and hazard r
Аннотация на английскомСтатьяПолный 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.
AIMS: Non-cardiologists (NCs) are often responsible for the preliminary diagnosis and early management of patients presenting with ventricular tachycardia (VT) or supraventricular wide complex tachycardia (SWCT). At present, the Vereckei aVR and Brugada algorithms are the most widely recognized and frequently relied upon wide complex tachycardia (WCT) differentiation criteria by NCs. This study aimed to determine the diagnostic efficacy of the Vereckei aVR and Brugada algorithms when applied by NCs.
METHODS: In a blinded fashion, three internal medicine residents prospectively interpreted WCT
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.
Fractures of the femur are a frequent problem in elderly people, and it has been demonstrated that treating them with a diagnostic-therapeutic-assistance path within 48 h of admission to the hospital reduces complications and shortens the length of the hospital stay (LOS). In this paper, the preoperative data of 1082 patients were used to further extend the previous research and to generate several models that are capable of predicting the overall LOS: First, the LOS, measured in days, was predicted through a regression analysis; then, it was grouped by weeks and was predicted with a classific
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.
Multiple ECG algorithms exist to localize outflow tract PVCs. They can be invaluable in pre-procedure planning and patient counseling. We describe a case where the published algorithm for PVC localization did not predict the site of origin and successful ablation site. This case highlights the strengths and limitations of established ECG PVC localization algorithms.
СтатьяОбзорПолный 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.
PURPOSE: We assessed the accuracy with which a clinical diagnostic algorithm for stress urinary incontinence (SUI) based on symptoms and signs without including urodynamics predicted the observation of urodynamic SUI and the condition of SUI. Such an algorithm would have applicability to ensure that the majority of women entering large SUI clinical trials would have urodynamic SUI and/or the condition of SUI without performing urodynamic testing in all subjects.
MATERIALS AND METHODS: A total of 1455 women with urinary incontinence at least 3 months in duration were enrolled in 3 randomized c
Клиническое исследованиеСтатьяРандомизированное исследованиеПоддержка исследования: вне правительства СШАВалидационное 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.
OBJECTIVE: To develop an explainable machine learning (ML) model to predict mid-term (3 years) stone recurrence (SR) after percutaneous nephrolithotomy (PCNL). This single-center retrospective observational cohort study compared nonlinear algorithms with logistic regression (LR) and evaluated the predictive value of systemic inflammatory markers, clinical and stone-related features.
MATERIALS AND METHODS: We retrospectively analyzed 412 PCNL patients with complete preoperative and 3-year follow-up data between 2014 and 2021. The patients were split chronologically into 70% training and 30% in
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.
MedElevator
Войти в исследования