Monkeypox virus (Mpox) has recently drawn global attention due to outbreaks beyond its traditional endemic regions. Understanding the immune response to Mpox infection is essential for improving disease management and guiding vaccine development. In this study, we used several machine learning algorithms to analyze time series gene expression data from macaques infected with Mpox, aiming to uncover key immune-related genes involved in different stages of infection. The dataset covered early infection, late infection, and rechallenge phases. We applied nine feature ranking methods to analyze th
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 efficiency of machine learning algorithms for electronically excited states is far behind ground-state applications. One of the underlying problems is the insufficient smoothness of the fitted potential energy surfaces and other properties in the vicinity of state crossings and conical intersections, which is a prerequisite for an efficient regression. Smooth surfaces can be obtained by switching to the diabatic basis. However, diabatization itself is still an outstanding problem. We overcome these limitations by solving both problems at once. We use a machine learning approach combining c
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: To develop a MRI-based radiomics model, integrating the intratumoral and peritumoral imaging information to predict axillary lymph node metastasis (ALNM) in patients with breast cancer and to elucidate the model's decision-making process via interpretable algorithms.
METHODS: This study included 376 patients from three institutions who underwent contrast-enhanced breast MRI between 2021 and 2023. We used multiple machine learning algorithms to combine peritumoral, intratumoral, and radiological characteristics with the building of radiological, radiomics, and combined models. The mod
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.
The disease neonatal sepsis (NS) poses a serious threat to life, and its pathogenesis remains unclear. Using the Gene Expression Omnibus (GEO) database, differentially expressed genes (DEGs) were identified and functional enrichment analyses were conducted. Three machine learning algorithms containing the least absolute shrinkage and selection operator (LASSO), support vector machine recursive feature elimination (SVM-RFE), and random forest (RF) were applied to identify the optimal feature genes (OFGs). This study conducted CIBERSORT to present the abundance of immune infiltrates between sept
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: Dengue viral infection ranges from dengue fever to dengue haemorrhagic fever and lethal dengue shock syndrome. Currently no means are available to monitor the progression of disease. Real time PCR based gene expression analyses are used to find potential molecular markers for effective prediction of dengue clinical outcome. The accuracy of qPCR analysis is strongly dependent on transcript normalization using stably expressed endogenous genes, which if selected imprecisely can lead to misinterpreted results. We aimed to determine the best fit for endogenous gene among six genes name
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 of this research was to develop an artificial neural network (ANN) in order to design a nanoparticulate oral drug delivery system for insulin. The pH of polymer solution (X1), concentration ratio of polymer/insulin (X2) and polymer type (X3) in 3 level including methylated N-(4-N,N- dimethyl aminobenzyl) chitosan, methylated N-(4-pyridinyl) chitosan, and methylated N-(benzyl) chitosan are considered as the input values and the particle size, zeta potential, PdI, and entrapment efficiency (EE %) as output data. ANNs are employed to generate the best model to determining the relationship
Сравнительное исследованиеСтатьяПоддержка 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 sepsis in the intensive care unit (ICU) is rapid, the golden rescue time is short, and the effective way to reduce mortality is rapid diagnosis and early warning. Therefore, real-time prediction models play a key role in the clinical diagnosis and management of sepsis. However, the existing sepsis prediction models based on artificial intelligence still have limitations, such as poor real-time performance and insufficient interpretation.
OBJECTIVE: Our objective is to develop a real-time sepsis prediction model that integrates high timeliness and clinical interp
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: Progression-free survival (PFS) is a critical end point in oncology, yet real-world applications of individualized, explainable machine learning (ML) predictions remain limited.
OBJECTIVE: This study aimed to develop and validate explainable ML models to predict PFS using retrospective data from a national prostate cancer cohort in Brunei Darussalam.
METHODS: We analyzed a retrospective cohort of 212 patients (478 longitudinal observations) treated at the Brunei Cancer Centre (January 2018 to December 2024). Clinical, laboratory, and treatment data were harmonized, with missing v
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.
INTRODUCTION: The first line treatment for obstructive sleep apnea (OSA) is continuous positive airway pressure (CPAP). CPAP adherence is assessed by hours of mask usage per night. To understand whether patients using CPAP are sleeping while wearing their mask (and thus may benefit from therapy), we aimed to predict sleep from CPAP flow signals.
METHODS: We developed a machine learning algorithm to predict sleep states (wake vs. sleep) using 130 features (126 derived from CPAP flow data, age, sex, body mass index (BMI) and CPAP level). We used polysomnography records from 100 randomly selecte
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: Low total serum IgE has emerged as a potential marker of inborn errors of immunity (IEI), but no predictive tool exists to stratify risk in pediatric patients.
METHODS: In this retrospective study, 677 children with IgE <2.5 IU/mL were analyzed. We handled missing data with mean-value imputation, applied SMOTE to address class imbalance, and conducted feature selection via ANOVA F-test and SelectKBest. Ten machine-learning models were trained and tuned using nested five-fold cross-validation (5 × 5 repeats). Primary evaluation metrics included sensitivity, specificity, and area un
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.
INTRODUCTION: Periodontal disease (PD) is closely linked to systemic health, with established associations with chronic conditions (eg, diabetes, cardiovascular disease). However, most predictive models rely solely on dental data, limiting the consideration of systemic factors such as medical conditions.
OBJECTIVES: This study aimed to enhance PD risk prediction by using linked electronic dental records (EDRs) with electronic health records (EHRs) and machine learning (ML).
METHODS: We used EDR data from 20,946 adult patients at Temple University School of Dentistry's (2022-2023) axiUm®, lin
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.
BACKGROUND: Functional impairments associated with mental health conditions are on the rise. Predicting functional outcomes may improve the targeting of preventive interventions. While prognostic models have primarily focused on psychosis, early recognition services require a transdiagnostic approach.
OBJECTIVE: This study aimed to predict global functioning within a 2-year follow-up using baseline clinical and structural magnetic resonance imaging (MRI) data in a population-based sample of young, help-seeking individuals presenting with affective and anxiety symptoms as well as attention-def
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: Prognostic uncertainty in older women with heart failure often delays end-of-life discussions and leads to unnecessary interventions. This study aimed to develop, internally validate, and evaluate the clinical utility of prognostic models for identifying patients nearing the end-of-life phase using nationally representative data from the Australian Longitudinal Study on Women’s Health (ALSWH), linked with administrative health records. METHODS: This prognostic study included older women from the 1921–26 ALSWH cohort who had a documented diagnosis of heart failure. Predictors were s
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: Delirium is a frequent postoperative complication among patients who have undergone cardiac surgery and is associated with prolonged hospitalization, cognitive decline, and increased mortality. Early prediction of delirium is therefore critical for initiating timely interventions.
OBJECTIVE: This study proposes the development and validation of a machine learning-based model to predict postoperative delirium in patients undergoing cardiac surgery during intensive care unit (ICU) care, facilitating the early detection of individuals at high risk of delirium and supporting clinician
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.
Staphylococcus aureus is a leading cause of both community- and hospital-acquired infections, and the growing prevalence of antimicrobial resistance complicates clinical management worldwide. This study investigated the epidemiology, resistance trends, multidrug resistance (MDR) patterns, and the role of machine learning (ML) in predicting antibiotic susceptibility in Saudi Arabia. A total of 18,003 microbiology reports (2019-2024) were analyzed, identifying 2506 S. aureus isolates. Susceptibility testing included 31 antibiotics representing 11 pharmacological classes. Predictive ML models (Ra
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.
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2026eng
PURPOSE: Postoperative ileus (POI) represents a frequent complication after posterior thoracolumbar fracture surgery. This study aimed to identify POI risk factors and construct predictive models enabling early identification and targeted intervention of vulnerable individuals. METHODS: A literature review were conducted to quantify POI incidence and establish evidence-based predictors for variable selection. Subsequently, a retrospective cohort from the Second Affiliated Hospital of Wenzhou Medical University was used for model development and internal validation. Feature selection incorporat
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.
INTRODUCTION: Several statistical models have been developed to predict the stability of distal radius fractures after closed reduction, but their findings have not been consistently reproduced. We aimed to develop a machine learning (ML) model to predict radiographic outcomes of nonsurgically treated distal radius fractures based on pre-reduction and postreduction radiographic parameters and demographic variables.
METHODS: Adults with displaced distal radius fractures at a single institution between 2012 and 2024 were identified through retrospective chart review. Inclusion criteria required
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: Childhood-onset systemic lupus erythematosus (cSLE) with lupus nephritis (LN) presents therapeutic challenges due to complex mycophenolic acid (MPA) pharmacokinetics. This study developed machine learning (ML)-based models to predict MPA area under the concentration-time curve (MPA-AUC) across three scenarios: determining therapeutic window attainment, precise AUC estimation and forecasting post-dose-adjustment exposure.
METHODS: Data were collected from cLN on MPA with two cohorts: routine treatment (group 1) and dose adjustment (group 2). Comprehensive patient data, including de
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.
Predicting the likelihood of developing Alzheimer's disease (AD) dementia in at-risk individuals is important for the design of and optimal recruitment for clinical trials of disease-modifying therapies. Machine learning (ML) has been shown to excel in this task; however, there remains a lack of models developed specifically for the preclinical AD population, who display early signs of abnormal brain amyloidosis but remain cognitively unimpaired. Here, we trained and evaluated ML classifiers to predict whether individuals with preclinical AD will progress to mild cognitive impairment or dement
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.
Excessive weight gain after initiation of antiretroviral therapy (ART) has become a recognized concern among people living with HIV. Individual weight trajectories remain highly heterogeneous and challenging to predict using conventional methods. We leveraged the French Dat'AIDS national cohort to assess whether machine learning (ML) could enhance the prediction of individual body weight at 6, 12, and 24 months after ART initiation. Using 112 baseline variables encompassing demographic, clinical, laboratory, and treatment-related data, we trained XGBoost models and evaluated performance using
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