Background and Objectives: This study developed a support vector machine (SVM) algorithm-based prediction model with considering influence factors associated with the swallowing quality-of-life as the predictor variables and provided baseline information for enhancing the swallowing quality of elderly people's lives in the future. Methods and Material: This study sampled 142 elderly people equal to or older than 65 years old who were using a senior welfare center. The swallowing problem associated quality of life was defined by the swallowing quality-of-life (SWAL-QOL). In order to verify the
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.
We have previously tested, in a laboratory setting, a novel algorithm that enables prediction of hypoglycemia. The algorithm integrates information of autonomic modulation, based on heart rate variability (HRV), and data based on a continuous glucose monitoring (CGM) device. Now, we investigate whether the algorithm is suitable for prediction of hypoglycemia and for improvement of hypoglycemic detection during normal daily activities. Twenty-one adults (13 men) with T1D prone to hypoglycemia were recruited and monitored with CGM and a Holter device while they performed normal daily activities.
Клиническое исследованиеСравнительное исследованиеСтатьяПоддержка 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.
The aim of this study was to establish the prevalence and predictors of genotypic resistance of HIV-1 to lopinavir and fosamprenavir from patients failing protease inhibitors (PI)-based regimens. We selected 643 HIV-1-infected patients with available treatment history who underwent genotypic resistance assays for virological failure from a clinical site and from the Stanford database. According to the genotypic resistance interpretation of the Stanford algorithm, proportions of viruses showing full susceptibility to fosamprenavir and lopinavir were 32% and 34%, respectively (p =ns). Proportion
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: Algorithms used to identify disease cases in administrative health data may be sensitive to changes in the data over time. Control charts can be used to assess how variations in administrative health data impact the stability of estimated trends in incidence and prevalence for administrative data algorithms. We compared the stability of incidence and prevalence trends for multiple juvenile diabetes algorithms using observed-expected control charts.
METHODS: Eighteen validated algorithms for juvenile diabetes were applied to administrative health data from Manitoba, Canada between
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.
PURPOSE: The Food and Drug Administration's Mini-Sentinel pilot program aims to conduct active surveillance to refine safety signals that emerge for marketed medical products. A key facet of this surveillance is to develop and understand the validity of algorithms for identifying health outcomes of interest from administrative and claims data. This article summarizes the process and findings of the algorithm review of hypersensitivity reactions.
METHODS: PubMed and Iowa Drug Information Service searches were conducted to identify citations applicable to the hypersensitivity reactions of healt
СтатьяСистематический обзорПоиск 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.
Proteolytic cleavage is a fundamental biological process that regulates protein maturation, signaling pathways, immune responses, and disease progression. Accurate identification of protease substrate cleavage sites is critical for understanding protease function and substrate specificity. However, experimental determination of cleavage sites remains labor-intensive and time-consuming, motivating the development of efficient and accurate computational prediction methods. Here, we present a detailed protocol for using ProsperousPlus, a computational platform designed for large-scale prediction
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.
BACKGROUND: The high variability of workloads makes it very difficult for cloud datacenters to efficiently schedule their tasks and resource allocation. The correct forecasting of future resource utilization allows us to proactively scale and implement more sophisticated scheduling policies, which eventually results in has potential to improve resource utilization and fewer failures.
METHODS: This study uses the Google Cluster Trace v3 dataset, which contains a wealth of job and task data (start and end times, CPU and memory usage, scheduling class, and priority) to create supervised machine
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.
Peptide therapeutics offer great promise in drug discovery, yet the accurate identification of peptide toxicity remains essential for both safety assessment and biodefense. We developed ToxMamba, a toxic peptide prediction framework that integrates Implicit Structure Model (ISM)-derived pretrained embeddings, state space models, multi-scale feature learning, and ensemble inference. Built upon the Mamba architecture, ToxMamba enables efficient sequence modeling and captures contextual patterns across multiple receptive fields from parallel branches. On the independent test set, ToxMamba consist
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: Most fall-prediction models in Parkinson's disease (PD) rely on prior falls, limiting prevention. The Waiting Room of the Future (WROTF) platform collects standardized motor and cognitive measures during routine visits, integrated into electronic health records (EHR).
OBJECTIVE: To develop a first-fall prediction model combining WROTF-EHR data and compare its performance with established cognitive- and motor-based models.
METHODS: Previously published motor (Paul) and cognitive (CYCLE-II) models were refit using logistic regression. A new regularized (LASSO) model was developed.
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.
As one of the most common neurodegenerative diseases, Alzheimer's accounts for serious health problems worldwide. Accurate detection and prediction of this disease contribute to the health system for better prevention and interventions in the treatment plans. However, traditional models designed for prediction and classification face several challenges, including handling complex data, which neglects many data points for the diagnosis. To overcome this challenge, we propose a novel model based on the integration of Neural Processes (NPs) and Normalizing Flows (NFs). The dataset used for this s
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.
The prediction and recognition of unstable human walking patterns are of high importance for active video surveillance, smart environments, and assistive healthcare, particularly for fall detection in the elderly. This research investigates the utility of Gait Energy Images (GEIs) combined with deep learning, vision transformers, and few-shot learning architectures to enhance the classification of stable and unstable pedestrian walking patterns. We evaluate and compare twelve methodologies: six classical or feature-based machine learning models (Linear SVM, HOG + SVM, LBP + RBF-SVM, Random For
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: Intravenous immunoglobulin (IVIG) is the standard initial treatment for Kawasaki disease (KD). However, approximately 20% of patients are resistant, who have a significantly increased risk of coronary artery lesions. Early prediction of IVIG resistance is crucial for improving outcomes, but traditional clinical scoring systems exhibit limited generalizability and limited predictive performance. OBJECTIVE: To systematically evaluate the accuracy of machine learning (ML) models in predicting IVIG-resistant KD through meta-analysis, and provide evidence-based support for clinical appl
СтатьяМетаанализПолный 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.
Alcohol Use Disorder (AUD) is a chronic, relapsing condition, and identifying periods of elevated lapse risk remains a major challenge in supporting recovery. An automated recovery monitoring and support system using personal sensing and machine learning may help detect when individuals are at heightened risk. Cellular communication sensing may be a promising approach for passively capturing risk-relevant information about social interactions, particularly when these data are contextualized with participant-specific meaning. We evaluated a machine learning model predicting next-day alcohol lap
СтатьяНаблюдательное 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: Cognitive behavioural therapy (CBT) is an empirically-supported treatment for depression, although some patients respond well and others do not. The use of machine learning (ML) could potentially help to predict which patients may benefit most from CBT.
OBJECTIVES: To synthesise the results of CBT studies applying ML to predict depression treatment outcomes.
METHODS: Systematic searches were conducted across three databases and eligible studies were assessed for risk of bias. ML methods and predictor variables were summarised using a narrative synthesis. Predictive performance in
СтатьяСистематический обзорМетаанализПоиск 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: Active surveillance (AS) is an established approach for managing favorable risk prostate cancer. However, it remains underutilized, partly due to concerns about missing higher-risk disease. Predictive models that integrate patient-specific factors may help with personalized risk stratification. This scoping review summarizes published predictive models in active surveillance and provides future directions for inquiry. METHODS: Databases (PubMed, Embase, Scopus) were searched for studies that proposed or validated predictive models of biopsy upgrading during active surveillance. Studie
Scoping ReviewСтатьяПолный 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: Real-time prediction of sepsis is a critical yet highly challenging task. Existing studies face 2 major limitations. First, they often rely on laboratory test results that are not readily available in real time, making timely diagnosis difficult. Second, the patient's condition evolves as a typical time series, but current methods often adopt coarse modeling strategies, with model architectures that are inefficient to train and deploy effectively.
OBJECTIVE: This study aimed to develop a prediction model for online sepsis detection using only easily obtainable vital signs, such as
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.
Preeclampsia remains a major cause of maternal and perinatal morbidity and mortality worldwide, yet progress in biomarker discovery and predictive modeling has translated only modestly into clinically meaningful risk stratification. Over the past two decades, numerous biomarkers and predictors reflecting placental-angiogenic dysfunction, maternal cardiovascular maladaptation, and inflammatory-metabolic stress have been proposed, alongside increasingly sophisticated statistical and machine learning approaches. However, many predictive strategies continue to treat preeclampsia as a single diseas
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.
Physical activity is a key lifestyle factor for mental health prevention, yet the influence of accelerometer placement on mood prediction remains unclear. We merged high-resolution acceleration data and Ecological Momentary Assessment (EMA) mood reports from 259 healthy participants across three ambulatory studies (SedMood, 24 hrCog, HO). Additionally, 15 min pre-assessment movement windows consisting of raw triaxial acceleration (64 Hz) from hip, thigh, chest, and wrist sensors were paired with six-item mood EMA queries. Features (e.g., mean, entropy, spectral power) were extracted and fed in
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.
This paper presents a joint model of multivariate longitudinal data and multistate data with application to modeling and predicting autoantibody development in The Environmental Determinants of Diabetes in the Young (TEDDY) study. The model quantifies the risks of state transitions based on observed time-varying and non-time-varying risk factors. Based on the estimated model, a dynamic prediction approach is suggested to predict future state occupation probabilities using historical data. The proposed method can handle uncertainties in the observed data, due to measurement errors in the observ
СтатьяПоддержка NIH: внешняя программаПоиск 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.
Non-alcoholic fatty liver disease (NAFLD) is a common liver disorder associated with obesity, insulin resistance, and metabolic syndrome, often going undiagnosed until advanced stages. Traditional diagnostic methods, including imaging and liver biopsy, have limitations in early detection. There is a need for an efficient, non-invasive tool for early NAFLD screening. Using automated machine learning (AutoML) technology, a diagnostic model for NAFLD was developed leveraging a large dataset from NHANES (n = 2677). Additionally, an independent external validation cohort (n = 200) was employed to a
СтатьяVideo-Audio MediaПоддержка 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.
MedElevator
Войти в исследования