Background and Aims: Tacrolimus(TAC)-induced nephrotoxicity, which has a large individual variation, may lead to treatment failure or even the end-stage renal disease. However, there is still a lack of effective models for the early prediction of TAC-induced nephrotoxicity, especially in nephrotic syndrome(NS). We aimed to develop and validate a predictive model of TAC-induced tubular toxicity in children with NS using machine learning based on comprehensive clinical and genetic variables. Materials and Methods: A retrospective cohort of 218 children with NS admitted between June 2013 and Dece
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.
Opioids play a critical role in acute postoperative pain management. Our objective was to develop machine learning models to predict postoperative opioid requirements in patients undergoing ambulatory surgery. To develop the models, we used a perioperative dataset of 13,700 patients (≥ 18 years) undergoing ambulatory surgery between the years 2016-2018. The data, comprising of patient, procedure and provider factors that could influence postoperative pain and opioid requirements, was randomly split into training (80%) and validation (20%) datasets. Machine learning models of different classes
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.
It is to develop a predictive model utilizing machine learning techniques to promptly identify patients with diabetic foot ulcers (DFU) who may require major amputation upon their initial admission. A total of 598 DFU patients were admitted to a tertiary hospital in Beijing. We employed synthetic minority oversampling technique to address the class imbalance of the target variable in the original dataset. A Lasso regularization analysis identified 17 feature variables for inclusion in the model: age, diabetes duration, wound size, history of peripheral neuropathy, history of atrial fibrillatio
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.
The estimation of the Length of Stay (LOS) is a critical factor in clinical and managerial decision-making, helping healthcare professionals optimize hospital efficiency. For patients with orthopedic trauma, particularly those with lower limb fractures, LOS prediction becomes essential for resource planning and improving patient care. This study aims to analyze and predict LOS for patients with lower limb fractures admitted to the A.O.R.N. "Antonio Cardarelli" hospital in Naples. To achieve this, five neural network-based classifiers were implemented, and their performances were compared with
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.
Extreme weather events such as hurricanes and floods cause increasing damage to communities, leading to substantial economic losses and displacement of populations1-6. Previous research suggests that there are disparities in the resilience capacity of neighbourhoods, predicting a recovery mechanism of either segmented withdrawal or reinforcement across different neighbourhood groups7-12. Assessing these hypotheses and investigating if-and to what extent-neighbourhood built environments recover at scale has been difficult because previous measures have relied on aggregated survey data1,7,9-14.
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.
Many invertebrates voluntarily lose (autotomize) limbs during antagonistic encounters, and some regenerate functional replacements. Because limb loss can have severe consequences on individual fitness, it is likely subject to significant selective pressures, making this an excellent phenomenon with which to investigate biomechanical robustness. Spiders frequently autotomize one or more legs. We investigated the time course of locomotor recovery after leg loss and regeneration in juvenile tarantulas (Arachnida: Araneae) naive to autotomy. We recorded high-speed video of spiders running with all
СтатьяПоддержка исследования: вне правительства СШАПоддержка 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: Movement disorders in children and adolescents with dyskinetic cerebral palsy (CP) are commonly assessed from video recordings, however scoring is time-consuming and expert knowledge is required for an appropriate assessment.
OBJECTIVE: To explore a machine learning approach for automated classification of amplitude and duration of distal leg dystonia and choreoathetosis within short video sequences.
METHODS: Available videos of a heel-toe tapping task were preprocessed to optimize key point extraction using markerless motion analysis. Postprocessed key point data were passed to
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: The development of emergency department (ED) triage systems remains challenging in accurately differentiating patients with acute abdominal pain (AAP) who are critical and urgent for surgery due to subjectivity and limitations. We use machine learning models to predict emergency surgical abdominal pain patients in triage, and then compare their performance with conventional Logistic regression models.
METHODS: Using 38 214 patients presenting with acute abdominal pain at Zhongnan Hospital of Wuhan University between March 1, 2014, and March 1, 2022, we identified all adult patient
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.
Colloids act as important transport carriers in subsurface environments, facilitating the migration of strongly sorbing contaminants and significantly influencing breakthrough curve (BTC) in porous media. This study develops a machine-learning surrogate model capable of accurately reproducing BTCs generated by an equilibrium colloid-facilitated contaminant transport model over a wide range of transport conditions. The mechanistic model was first validated against the experimental phenanthrene transport data, demonstrating excellent agreement under both colloid-free and colloid-present conditio
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 study explores the application of machine learning algorithms in predicting high-risk pregnancy among expectant mothers, aiming to construct an efficient predictive model to improve maternal health management. The study is based on the maternal health risk dataset (MHRD) from Bangladesh, covering multiple hospitals, community clinics, and maternal healthcare centers, and encompassing health data from 1014 pregnant women. Six machine learning algorithms-multilayer perceptron (MLP), logistic regression (LR), decision tree (DT), random forest (RF), eXtreme Gradient Boosting (XGBoost), and su
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.
Visceral Leishmaniasis (VL), also known as Kala-Azar, poses a significant global public health challenge and is a neglected disease, with relapses and treatment failures leading to increased morbidity and mortality. This study introduces an explainable machine learning approach to predict VL relapse and identify critical risk factors, thereby aiding patient monitoring and treatment strategies. Leveraging data from a follow-up study of 571 patients, the survival machine learning models are applied, including Random Survival Forest (RSF), Survival Support Vector Machine (SSVM), and eXtreme Gradi
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: Acute Myeloid Leukemia (AML) generally has a relatively low survival rate after treatment. There is an urgent need to find new biomarkers that may improve the survival prognosis of patients. Machine-learning tools are more and more widely used in the screening of biomarkers.
METHODS: Least Absolute Shrinkage and Selection Operator (LASSO), Support Vector Machine-Recursive Feature Elimination (SVM-RFE), Random Forest (RF), eXtreme Gradient Boosting (XGBoost), lrFuncs, IdaProfile, caretFuncs, and nbFuncs models were used to screen key genes closely associated with AML. Then, based o
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.
It was aimed to discuss the effect of bed-type rehabilitation robots under machine learning combined with intensive motor training on the motor function of lower limbs of stroke patients with hemiplegia. A total of 80 patients with stroke hemiplegia were taken as the subjects, who all had a course of treatment for less than 6 months in the Rehabilitation Medicine Department of Ganzhou Hospital. These patients were divided into the experimental group (40 cases) and the control group (40 cases) by random number method. For patients in the control group, conventional intensive motor training was
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: Computer-aided analysis of laryngoscopy images has potential to add objectivity to subjective evaluations. Automated classification of biomedical images is extremely challenging due to the precision required and the limited amount of annotated data available for training. Convolutional neural networks (CNNs) have the potential to improve image analysis and have demonstrated good performance in many settings. This study applied machine-learning technologies to laryngoscopy to determine the accuracy of computer recognition of known laryngeal lesions found in patients post-extubation.
СтатьяНаблюдательное исследованиеПоиск 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: This study aimed to develop, validate and evaluate interpretable machine learning models using clinical and laboratory data for prognosis prediction in patients with primary biliary cholangitis (PBC).
METHODS: This study included 7905 patients treated for PBC. The cohort data were randomly divided into training and testing sets, with external validation using an additional 2372 patients. Six machine learning models are compared in this research (logistic regression (LR), random forest (RF),Extreme Random Trees (ET), Extreme Gradient Boosting (XGBoost), Lightweight Gradient Boostin
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. Cytomegalovirus (CMV) is a widely disseminated betaherpesvirus that typically induces latant infections. In immunocompromised populations, especially transplant and HIV-infected patients, CMV infection increases in-hospital mortality.Gap statement. Although machine learning models have been widely used in clinical diagnosis and prognosis prediction, reports on machine learning model predictions for the in-hospital mortality of HIV/AIDS patients with CMV infection have not been reported.Aim. Analyze the general gemographic and clinical characteristics of HIV/AIDS patients with CMV
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: Critically ill patients with coronavirus disease 2019 have variable mortality. Risk scores could improve care and be used for prognostic enrichment in trials. We aimed to compare machine learning algorithms and develop a simple tool for predicting 28-day mortality in ICU patients with coronavirus disease 2019.
DESIGN: This was an observational study of adult patients with coronavirus disease 2019. The primary outcome was 28-day inhospital mortality. Machine learning models and a simple tool were derived using variables from the first 48 hours of ICU admission and validated externa
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.
STUDY DESIGN: A retrospective cohort study from a multisite academic medical center.
OBJECTIVE: To construct, evaluate, and interpret a series of machine learning models to predict outcomes related to inpatient health care resource utilization for patients undergoing anterior cervical discectomy and fusion (ACDF).
SUMMARY OF BACKGROUND DATA: Reducing postoperative health care utilization is an important goal for improving the delivery of surgical care and serves as a metric for quality assessment. Recent data has shown marked hospital resource utilization after ACDF surgery, including readmi
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: As the global population ages, sarcopenia is increasingly recognized for its severe consequences, including disability, falls, injuries, hospitalization, and even death. Despite its significance, research on predicting sarcopenia using machine learning is limited. This study aims to develop an effective machine learning model for sarcopenia prediction.
METHODS: Data from 1,441 participants were retrospectively reviewed from Kaohsiung Medical University-affiliated hospitals between 2022 and 2024. The dataset included demographics, lifestyle habits, medical history, and other rele
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.
OBJECTIVE: The aim of this study was to develop and internally validate a machine-learning algorithm, PROSPECT (Predicting Risk Of Surgical complications aftEr CCWO and TPLO), using clinical variables to predict postoperative complications in dogs undergoing high tibial osteotomy for cranial cruciate ligament disease (CrCLD).
STUDY DESIGN: Retrospective multivariable prediction model development.
SAMPLE POPULATION: Stifles (n = 670) and dogs (n = 555).
METHODS: Complication data with a minimum follow up of 28 days were collected. Clinical variables were preprocessed for machine learning and
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.
MedElevator
Войти в исследования