BACKGROUND: Preprocedural risk prediction of 30-day all-cause mortality after percutaneous coronary intervention (PCI) aids in clinical decision-making and benchmarking hospital performance. This study aimed to identify preprocedural factors to predict the risk of 30-day all-cause mortality post-PCI using machine learning (ML) approaches.
METHODS: The study analysed 93 055 consecutive PCI procedures recorded in the Victorian Cardiac Outcomes Registry in Australia. The Boruta feature selection method was used to identify key predictive variables. Seven ML algorithms were employed for models' d
СтатьяМногоцентровое 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.
IMPORTANCE: Unruptured intracranial aneurysms (UIAs) affect 3.2% of the general population, and approximately 85% of subarachnoid hemorrhages result from their rupture. Despite their classification as low risk by prediction tools such as PHASES (population, hypertension, age, size of aneurysm, earlier subarachnoid hemorrhage from another aneurysm, and site of aneurysm) and the Unruptured Cerebral Aneurysm Study (UCAS), UIAs less than 10 mm are susceptible to rupture.
OBJECTIVE: To develop and externally validate a machine-learning model (MLM) predicting rupture risk of UIAs.
DESIGN, SETTING,
СтатьяМногоцентровое исследованиеВалидационное 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 prediction of overall survival in tongue cancer is important for planning of personalized care and patient counselling.
OBJECTIVES: This study compares the performance of a nomogram with a machine learning model to predict overall survival in tongue cancer. The nomogram and machine learning model were built using a large data set from the Surveillance, Epidemiology, and End Results (SEER) program database. The comparison is necessary to provide the clinicians with a comprehensive, practical, and most accurate assistive system to predict overall survival of this patient populat
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.
BACKGROUND: Obstructive sleep apnea (OSA) affects approximately 15% of pregnancies and is associated with adverse maternal and fetal outcomes. Although polysomnography (PSG) is the diagnostic gold standard, increasing clinical demand creates substantial bottlenecks in manual PSG scoring and specialist review. Conventional screening tools often show limited discriminative ability in high-risk referred populations. Therefore, optimized risk stratification models are needed to streamline clinical workflows, prioritize diagnostic resource allocation, and facilitate timely intervention for high-ris
СтатьяНаблюдательное 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.
INTRODUCTION: Prostate-specific antigen (PSA) alone is insufficient for the diagnosis of prostate cancer (PCa), particularly within the gray zone range of 4-10 ng/mL. Multiparametric magnetic resonance imaging (mpMRI), although widely used, has notable limitations in the diagnostic pathway. The aim of this study was to develop a biopsy prediction model by evaluating multiple machine learning (ML) algorithms incorporating PSA-related variables, mpMRI findings, and hematologic parameters.
MATERIALS AND METHODS: This study included patients who underwent either systematic biopsy or combined biop
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: Patients with type 2 diabetes mellitus (T2DM) prone to acute diabetic complications are at high risk for emergency department (ED) visits, which often precede hospitalization and mortality. Identifying these high-risk phenotypes before deterioration is critical for preventative care. We developed machine learning (ML) models using large-scale, real-world electronic medical records, including prescription data, to predict the possibility of ED visits in patients with T2DM and support proactive interventions in primary care settings.
METHODS: We analyzed the electronic health record
СтатьяМногоцентровое 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: Children with steroid-resistant, frequently relapsing, and steroid-dependent nephrotic syndrome experience high disease and treatment-related morbidity. There are few prediction models for childhood nephrotic syndrome outcomes. Our aim was to develop and internally validate outcome prediction models, using machine learning methods.
METHODS: We analyzed data from Insight into Nephrotic Syndrome: Investigating Genes, Health, and Therapeutics, a prospective observational childhood nephrotic syndrome cohort. We included children (1-18 years) diagnosed from 1996 to 2023 from the Greate
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: Allergic diseases often develop jointly during early childhood. Potential disease trajectories and relevant early-life factors have been described, yet existing prediction approaches mostly focus on single allergic diseases cross-sectionally. Models addressing allergic multimorbidity and disease trajectories are lacking. We aim to predict allergic disease trajectories from birth up to adolescence using early-life factors.
METHODS: Preceding research using data from 4646 adolescents of the German birth cohorts GINIplus and LISA identified seven allergic disease trajectories up to 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.
The surgical removal of impacted mandibular third molars is a routine procedure in oral and maxillofacial surgery but is consistently associated with significant postoperative morbidity. Traditional indices of surgical difficulty rely mainly on positional and radiographic features, overlooking intraoperative and operator-related influences. This retrospective cohort study analyzed 472 cases of mandibular third molar extractions to develop and validate machine learning models for predicting postoperative complications. Demographic, radiographic, and intraoperative variables were included, and o
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: Sudden cardiac death (SCD) is a major contributor to cardiovascular mortality, but reliable long-term risk prediction in community-based populations remains limited. Machine learning (ML) offers potential advantages, yet its application to SCD prediction remains comparatively limited, particularly in community-based populations.
METHODS: We used data from the Chin-Shan Community Cardiovascular Cohort (CCCC), a prospective community-based cohort in Taiwan enrolling adults aged ≥ 35 years from 14 villages. Participants were geographically partitioned into training/internal validatio
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: Limited by small sample size, single-institution design, and insufficient comprehensive external validation across heterogeneous healthcare systems, no study to date has systematically validated the predictive performance of machine learning models for sepsis occurrence in an intensive care unit (ICU) population with concomitant pulmonary fibrosis through multiple large-scale databases.
METHODS: This retrospective multi-database study utilized two large databases to establish and validate a machine learning model for predicting the probability of sepsis occurrence in ICU patients
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: Mycoplasma pneumoniae pneumonia (MPP) with atelectasis in children is the most reported complication of MPP in children. It is associated with serious respiratory issues, pulmonary tissue damage and fibrosis, and systemic complications. Present diagnostic methods, which are mainly based on radiographic imaging, have drawbacks related to delayed case detection and radiation exposure. There is a need for a simple, non-invasive approach in the diagnosis. We aimed to develop machine learning (ML) models to identify MPP with atelectasis in children and support early risk stratification.
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: Hyperhomocysteinemia (HHcy) is recognized as an independent risk factor for coronary heart disease (CHD), yet accurately predicting CHD risk in patients with HHcy remains a challenge. This study aimed to develop and validate multiple machine learning models for predicting CHD risk in patients with HHcy and elucidate key predictors using Shapley Additive Explanation (SHAP) algorithms.
OBJECTIVE: This study aims to develop and validate machine learning models for predicting the risk of coronary heart disease in individuals with normal homocysteine levels, aiming to improve early ris
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: Complete virological response (CVR) is the primary goal of nucleos(t)ide analogues (NAs) therapy for chronic hepatitis B (CHB) patients. The objective of this study was to develop and validate a machine learning (ML) model to predict CVR in CHB patients receiving first-line NAs.
METHODS: We retrospectively analyzed 2394 CHB patients treated with first-line NAs, randomly divided into a training set and an internal validation set at a 7:3 ratio. Key predictors were identified through univariate analysis, followed by Lasso, SVM-RFE, and Boruta feature selection algorithms. Seven mach
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: Testing for Blood-Borne-Viruses (BBVs) such as the human immunodeficiency virus (HIV), hepatitis C virus (HCV) and hepatitis B virus (HBV) is generally focused on specialist settings. However, people with undiagnosed infections are also present within the general population. We explore whether using machine-learning algorithms (MLAs) can identify people at heightened risk of HIV, HBV, HCV, or a composite 'any BBV' (defined as positivity for one or more of the three infections) in primary care settings.
METHODS: From de-identified electronic health records data from 165 general pra
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: Malaria remains a serious public health challenge in sub-Saharan Africa, and Nigeria accounts for almost 30% of global child malaria deaths. This study employs machine learning (ML) to improve prediction efficiency and identify the most significant risk factors associated with childhood malaria in high-burden populations. METHODS: A cross-sectional study was conducted among 693 under-5 children from Nigerian Internally Displaced Persons (IDP) camps. Sociodemographic data, household living conditions, and malaria knowledge were collected in addition to Rapid Diagnostic Test (RDT) ou
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.
One of the main issues with paragangliomas and pheochromocytomas is that these tumors have up to a 20% rate of metastatic disease, which cannot be reliably predicted. While machine learning models hold great promise for enhancing predictive accuracy, their often opaque nature limits trust and adoption in critical fields such as healthcare. Understanding the factors driving predictions is essential not only for validating their reliability but also for enabling their integration into clinical decision-making. In this paper, we propose an architecture that combines data mining, machine learning,
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 aim was to predict the post-pubertal mandibular length and Y axis of growth in males by using various machine learning (ML) techniques. Cephalometric data obtained from 163 males with Class I Angle malocclusion, were used to train various ML algorithms. Analysis of variances (ANOVA) was used to compare the differences between predicted and actual measurements among methods and between time points. All the algorithms revealed an accuracy range from 95.80% to 97.64% while predicting post-pubertal mandibular length. When predicting the Y axis of growth, accuracies ranged from 96.60% to 98.34%
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.
OBJECTIVES: The aim of the present study was to generate a novel method for predicting the clinical response to infliximab (IFX), using a machine-learning algorithm with only clinical data obtained before the treatment in rheumatoid arthritis (RA) patients.
METHODS: We obtained 32 variables out of the clinical data on the patients from two independent hospitals. Next, we selected both clinical parameters and machine-learning algorithms and decided the candidates of prediction method. These candidates were verified by clinical variables on different patients from two other hospitals. Finally,
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.
Postoperative death within 1 year following hip fracture surgery is reported to be up to 27%. In the current study, we benchmarked the predictive precision and accuracy of the algorithms support vector machine (SVM), naïve Bayes classifier (NB), and random forest classifier (RF) against logistic regression (LR) in predicting 1-year postoperative mortality in hip fracture patients as well as assessed the relative importance of the variables included in the LR model. All adult patients who underwent primary emergency hip fracture surgery in Sweden, between 1 January 2008 and 31 December 2017 wer
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