PURPOSE: The study aimed to validate and compare coding algorithms for identifying people with migraine within the Japanese claims database.
METHODS: This study used the administrative claim database provided by DeSC Healthcare, Inc., that was linked to the results of an online survey administered to adult users of the health app "kencom®." The ability of the 12 algorithms to detect migraines using diagnostic records alone or with prescription records was evaluated based on sensitivity, specificity, positive predictive values (PPVs), and negative predictive values (NPVs). We used a migraine d
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: To assess the predictive accuracy of code-based algorithms for identifying invasive Escherichia coli (E. coli) disease (IED) among inpatient encounters in US hospitals.
METHODS: The PINC AI Healthcare Database (10/01/2015-03/31/2020) was used to assess the performance of six published code-based algorithms to identify IED cases among inpatient encounters. Case-confirmed IEDs were identified based on microbiological confirmation of E. coli in a normally sterile body site (Group 1) or in urine with signs of sepsis (Group 2). Code-based algorithm performance was assessed overall, and
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.
OBJECTIVES: The aim of this study was to compare the diagnostic performance of a deep learning algorithm with that of radiologists in diagnosing maxillary sinusitis on Waters' view radiographs.
MATERIALS AND METHODS: Among 80,475 Waters' view radiographs, examined between May 2003 and February 2017, 9000 randomly selected cases were classified as normal or maxillary sinusitis based on radiographic findings and divided into training (n = 8000) and validation (n = 1000) sets to develop a deep learning algorithm. Two test sets composed of Waters' view radiographs with concurrent paranasal sinus
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 AND OBJECTIVE: Early neurological deterioration (END) is a critical clinical event associated with poor patient outcomes after acute ischemic stroke. Early identification of high-risk patients is crucial for timely clinical management. This study aimed to develop and validate a model for predicting END risk for acute ischemic stroke patients using machine learning algorithms.
METHODS: This study retrospectively and consecutively enrolled 1,151 patients with acute ischemic stroke from the Stroke Center of Beijing Shunyi District Hospital between January 2021 and December 2024. END w
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: Rapid population aging and a worsening shortage of care workers necessitate the identification of older adults who require proactive interventions. Although machine learning (ML) has been increasingly applied in gerontology, existing studies have predominantly focused on social isolation, loneliness, depression, falls, and frailty in isolation rather than on the integrated construct of care needs.
OBJECTIVE: This study aimed to develop and interpret an explainable ML model that identifies care needs in community-dwelling Korean older adults. Beyond physical health indicators such
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: Postoperative atrial fibrillation (POAF) is a frequent complication after cardiac surgery that is associated with increased morbidity. However, existing risk scores have limited accuracy, highlighting the need for more effective prediction models. In this study, we developed and validated a machine-learning (ML) model predicting new-onset POAF following cardiac surgery using various perioperative variables.
METHODS: A total of 6859 adult patients who underwent cardiac surgery at Seoul National University Hospital (SNUH) or Seoul National University Bundang Hospital (SNUBH) between
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.
Diabetes is a chronic condition that affects a substantial portion of the global population and is linked to elevated mortality rates and a range of severe health complications. Despite its clinical importance, progress in diabetes research is often constrained by the limited availability of comprehensive datasets and robust predictive models. To address these challenges, researchers are increasingly turning to big data analytics and machine learning (ML) methodologies. This study presents the development of an ML-based system aimed at predicting the likelihood of diabetes and classifying its
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: Trauma is a leading cause of morbidity and mortality worldwide, particularly in younger populations. Early identification of high-risk trauma patients is critical for timely interventions and improved outcomes. Although artificial intelligence and machine learning have demonstrated promise in healthcare, their application in trauma mortality prediction has been limited.
METHODS: This study developed and validated machine learning models to predict mortality in trauma patients using a large public dataset from the National Community-Based Critical Injury Survey (South Korea, 2016-2
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: Immune checkpoint inhibitor (ICI)-induced cardiac immune-related adverse events (cardiac irAEs) are rare yet serious complications. Clinical assessment tools to identify at-risk patients would allow for more effective prevention strategies, thus improving clinical outcomes. We constructed various machine learning (ML) models to predict these events among patients receiving ICI therapy.
METHODS: A cohort of patients receiving ICI therapy from 2010 to 2023 was identified from the TriNetX database. Cardiac irAEs were defined as the occurrence of relevant diagnosis codes within 90 days o
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: Current neonatal congenital heart disease (CHD) screening strategies face significant challenges in low-income or underdeveloped regions due to a shortage of experienced physicians. Therefore, we aim to develop a cost-effective method to identify high-risk populations, supplementing neonatal screening.
METHODS: A multicenter case-control study was conducted in three hospitals in Zhejiang, China, from September 2022 to July 2024. Pregnant women were surveyed using a self-designed questionnaire, and newborns were diagnosed using echocardiography. We utilized three steps to establish
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.
In rehabilitation research, machine learning (ML) algorithms are being increasingly applied to predict the ability of patients with stroke and other acquired brain injuries to perform activities of daily living (ADL). However, many previous studies have relied on complex data, such as imaging or blood tests, which require advanced equipment and specialized expertise and are difficult to apply in general clinical settings. We aimed to predict ADL independence in patients with stroke and other acquired brain injuries at the start of rehabilitation using routine assessment data. This retrospectiv
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.
Ischemic stroke puts great health burden in public. However, the diagnosis is based on head CT or MRI scanning. We aim to develop classifier models to screen asymptomatic ischemic stroke based on clinical data without imaging. The subjects (age ≥ 20 years) were recruited into our study who attended health examination. We developed models to classify subjects with or without ischemic stroke using support vector machine (SVM), random forest (RF), extreme gradient boosting (XGBoost), and convolutional neural network (CNN). The candidate variables included sex, age, height, weight, blood pressure,
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 aimed to develop and validate a machine learning (ML)-based predictive model to identify risk factors associated with intensive care unit (ICU) admission among patients with comorbid Chronic Obstructive Pulmonary Disease (COPD) and depression. Data of patients diagnosed with both COPD and depression were extracted from the MIMIC-IV version 3.1 database. A total of 1121 patients with first-time hospitalization and comorbid COPD and depression were included. Feature selection was performed using the Boruta algorithm. Five ML algorithms were employed to construct prediction models. Mod
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.
Tuberculosis (TB) transmission within households remains a significant challenge in Ethiopia. Various factors including household, index TB case and contact characteristics may have a role in its transmission. Predicting which contacts of TB patients are at greatest risk of developing TB could help focus screening and intervention efforts on early detection and treatment initiation. In this study, we employed various machine learning models to predict TB risk among household contacts. We used data from a cross-sectional study of household contacts of index TB patients in Central Ethiopia. Data
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: This study aims to develop Machine Learning models to predict 30-day unplanned readmissions in cancer patients treated at a private hospital in Brazil.
METHODS: This retrospective cohort study included admission records of hospitalizations lasting >24 hours, with a corresponding diagnosis of a solid malignancy. The primary outcome was 30-day unplanned readmission. We tested five supervised Machine Learning algorithms to develop predictive models: a "48-hour" model, which used data from the first 48 hours after admission, and a "discharge" model, which used data from the entire hosp
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: Cervical cancer remains a leading cause of gynecologic cancer-related mortality worldwide, with human papillomavirus (HPV) testing being a key screening tool. However, current guidelines often categorize high-risk HPV types broadly, overlooking their varying oncogenic potentials. This study aimed to develop and validate a machine learning model to predict cervical intra-epithelial neoplasia grade (CIN) 2 or worse (CIN2+) using HPV genotyping, cytology results, and patient age.
METHODS: A retrospective analysis was conducted using data from 52,063 patients (61,022 clinical records)
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.
The vast scale and sparse distribution of the IPv6 address space pose considerable challenges to efficient scanning. Current IPv6 target generation algorithms primarily rely on pattern mining of seed addresses to generate target addresses, which risks failing when encountering nonseed prefixes. To address this, researchers have proposed IPv6 target generation algorithms for nonseed prefixes. However, existing approaches suffer from limitations such as single-feature exploitation, inadequate utilization of Whois auxiliary information, and inability to handle missing Whois information, resulting
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.
STUDY DESIGN: Narrative review.
OBJECTIVE: To perform a review discussing current applications of artificial intelligence (AI) and machine learning (ML) in the prediction of quality metrics in elective degenerative spinal surgeries.
SUMMARY OF BACKGROUND DATA: A major barrier to the long-term effectiveness of elective spine surgery is the high incidence of perioperative complications. The use of AI and ML in the preoperative evaluation of elective spine surgery has been limited.
METHODS: A literature review was performed to identify adults who underwent surgery for elective lumbar degenerat
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.
Rheumatoid arthritis (RA) is an inflammatory autoimmune condition affecting the joints and other organs such as the heart, eyes, and lungs. For decades, it has been diagnosed through assessing a combination of clinical picture, serologic biomarkers, and radiographic studies. However, the possibility of false negative test results and inability to detect early arthritic changes make RA diagnosis challenging. The diagnostic accuracy of the RA diagnostic modalities has substantially improved since the emergence of artificial intelligence (AI)-based medical algorithms, resulting in timely disease
СтатьяОбзорПолный 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.
Accurate identification of liquor vintage is crucial for ensuring product authenticity and optimizing market value, as the price and sensory quality of liquor increase with age. Traditional sensory evaluation by sommeliers is inherently limited by subjectivity, physiological fatigue, and inconsistency, posing challenges for reliable large-scale quality assessment. To address these limitations, this study introduces an innovative homemade electronic tongue (ET) system integrated with machine learning and deep learning algorithms for rapid and precise vintage identification. The ET system, consi
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.
MedElevator
Войти в исследования