BACKGROUND: Pneumonia is one of the most common complications after spontaneous intracerebral hemorrhage (sICH), i.e., stroke-associated pneumonia (SAP). Timely identification of targeted patients is beneficial to reduce poor prognosis. So far, there is no consensus on SAP prediction, and application of existing predictors is limited. The aim of this study was to develop a machine learning model to predict SAP after sICH.
METHODS: We retrospectively reviewed 748 patients diagnosed with sICH and collected data from 4 dimensions-demographic features, clinical features, medical history, and labo
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: Sepsis-associated thrombocytopenia (SAT) is common in critical patients and results in the elevation of mortality. Red cell distribution width (RDW) can reflect body response to inflammation and oxidative stress. We try to investigate the relationship between the RDW and the prognosis of patients with SAT through machine learning.
METHODS: 809 patients were retrospectively analyzed from the Medical Information Mart for Intensive Care III (MIMIC-III) database. The eXtreme Gradient Boosting (XGBoost) and SHapley Additive exPlanations (SHAP) were used to analyze the impact of each fe
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.
Patients with type 2 diabetes mellitus (T2DM) have a significantly higher risk of cardiovascular disease (CVD) compared to the general population. Accurately predicting this risk is crucial for developing personalized treatment plans and public health interventions. This study aims to develop and validate a model for predicting CVD risk in T2DM patients using the Boruta feature selection algorithm and machine learning methods. We analyzed data from the National Health and Nutrition Examination Survey (NHANES) from 1999 to 2018. Six machine learning (ML) models, including Multilayer Perceptron
СтатьяВалидационное 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.
Industrial robots are widely used in critical tasks such as assembly, welding, and material handling as core components of modern manufacturing systems. For the reliable operation of these systems, early and accurate detection of execution failures is crucial. In this study, a comprehensive comparison of machine learning and deep learning methods is conducted for the classification of robot execution failures using data acquired from force-torque sensors. Three different feature engineering approaches are proposed. The first is a Baseline approach that includes 90 raw time-series features. The
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.
A genetic algorithm-optimized random forest algorithm (GA-RF) model is constructed to impute large-scale missing data for 5-min averaged data of > 2 MeV electron integral fluxes from GOES-E/W satellites. The model inputs include V, Vx, the proton density, the SYM/H index, B, Bx, By, Bz, AU, AE, and > 0.6 MeV and > 2 MeV electron integral fluxes from GOES-E/W. The target variable is the > 2 MeV electron integral flux from GOES-W/E. A comparison of the GA-RF model with other machine learning models, including the backpropagation (BP), long short-term memory (LSTM), random forest (RF), extreme le
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.
PURPOSE: To develop effective machine learning models that analyze pattern visual evoked potentials (PVEPs) to predict the stabilized visual acuity (VA) of patients with treated ocular trauma.
METHODS: This experiment included 260 patients (220 males, average age 42.54 years) with unilateral ocular trauma. Four different machine learning algorithms, namely, support vector regression (SVR), Bayesian ridge (BYR), random forest regression (RFG), and extreme gradient boosting (XGBoost), were used to predict best corrected visual acuity (BCVA) values. Various ophthalmic parameters were input into
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: Currently high-intensity focused ultrasound (HIFU) is widely used to treat uterine fibroids (UFs). The aim of this study is to develop a machine learning model that can accurately predict the efficacy of HIFU ablation for UFs, assisting the preoperative selection of suitable patients with UFs.
METHODS: This study collected data from 1,000 patients with UFs who underwent ultrasound-guided high-intensity focused ultrasound. The least absolute shrinkage and selection operator (LASSO) regression was used for multidimensional feature screening. Five machine learning algorithms such as
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.
The aim of this study was to determine if machine learning can improve the specificity of detecting transplant hepatic artery pathology over conventional quantitative measures while maintaining a high sensitivity.This study presents a retrospective review of 129 patients with transplanted hepatic arteries. We illustrate how beyond common clinical metrics such as stenosis and resistive index, a more comprehensive set of waveform data (including flow half-lives and Fourier transformed waveforms) can be integrated into machine learning models to obtain more accurate screening of stenosis and occl
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.
(1) Background: the use of machine learning techniques for the purpose of anticipating hypoglycemia has increased considerably in the past few years. Hypoglycemia is the drop in blood glucose below critical levels in diabetic patients. This may cause loss of cognitive ability, seizures, and in extreme cases, death. In almost half of all the severe cases, hypoglycemia arrives unannounced and is essentially asymptomatic. The inability of a diabetic patient to anticipate and intervene the occurrence of a hypoglycemic event often results in crisis. Hence, the prediction of hypoglycemia is a vital
СтатьяОбзорПоиск 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: Myocardial injury after noncardiac surgery (MINS) is associated with increased postoperative mortality, but the relevant perioperative factors that contribute to the mortality of patients with MINS have not been fully evaluated.
OBJECTIVE: To establish a comprehensive body of knowledge relating to patients with MINS, we researched the best performing predictive model based on machine learning algorithms.
METHODS: Using clinical data from 7629 patients with MINS from the clinical data warehouse, we evaluated 8 machine learning algorithms for accuracy, precision, recall, F1 score,
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.
False arrhythmia alarms pose a major threat to the quality of care in today's ICU. Thus, the PhysioNet/Computing in Cardiology Challenge 2015 aimed at reducing false alarms by exploiting multimodal cardiac signals recorded by a patient monitor. False alarms for asystole, extreme bradycardia, extreme tachycardia, ventricular flutter/fibrillation as well as ventricular tachycardia were to be reduced using two electrocardiogram channels, up to two cardiac signals of mechanical origin as well as a respiratory signal. In this paper, an approach combining multimodal rhythmicity estimation and machin
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.
ObjectiveAccurate prognostication is crucial for managing human immunodeficiency virus (HIV)-associated cutaneous T-cell lymphoma. In this study, we aimed to develop an improved machine learning-based prognostic model for predicting the 5-year survival rates in HIV-associated cutaneous T-cell lymphoma patients.MethodsWe derived and tested machine learning models using algorithms including Extreme Gradient Boosting (XGBoost), Light Gradient Boosting Machine (LightGBM), and Random Forest. Our study involved data from a US population-based cohort of patients diagnosed with HIV-associated cutaneou
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.
The study by Huang et al, published in the World Journal of Gastroenterology, advances intrahepatic cholangiocarcinoma (ICC) management by developing a machine-learning model to predict textbook outcomes (TO) based on preoperative factors. By analyzing data from 376 patients across four Chinese medical centers, the researchers identified key variables influencing TO, including Child-Pugh classification, Eastern Cooperative Oncology Group score, hepatitis B status, and tumor size. The model, created using logistic regression and the extreme gradient boosting algorithm, demonstrated high predict
Письмо в редакциюПоиск 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: Globally, around 40% of women report unintended pregnancies, with approximately 214 million women in developing countries wanting to avoid pregnancy but not using any contraception. Modern contraceptives (MCs) are effective tools for preventing unintended pregnancies, controlling rapid population growth, and reducing fertility and maternal mortality rates, particularly in developing countries. This study aimed to identify the determinants of modern contraceptive use among Ethiopian women of reproductive age using machine learning (ML) algorithms.
METHODOLOGY: The study utilized
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.
Predicting 30-day procedure-related mortality risk and 30-day unplanned readmission in patients undergoing lower extremity endovascular interventions for peripheral artery disease (PAD) may assist in improving patient outcomes. Risk prediction of 30-day mortality can help clinicians identify treatment plans to reduce the risk of death, and prediction of 30-day unplanned readmission may improve outcomes by identifying patients who may benefit from readmission prevention strategies. The goal of this study is to develop machine learning models to stratify risk of 30-day procedure-related mortalit
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.
Retinal image analysis relies on the effectiveness of computational techniques to discriminate various abnormalities in the eye like diabetic retinopathy, macular degeneration and glaucoma. The onset of the disease is often unnoticed in case of glaucoma, the effect of which is felt only at a later stage. Diagnosis of such degenerative diseases warrants early diagnosis and treatment. In this work, performance of statistical and textural features in retinal vessel segmentation is evaluated through classifiers like extreme learning machine, support vector machine and Random Forest. The fundus ima
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: Prostate cancer (PCa) is characterized by pronounced intratumoral heterogeneity and multifocality, presenting ongoing challenges for early and precise diagnosis. In clinical practice, a substantial proportion of patients initially diagnosed with benign prostatic hyperplasia (BPH) are subsequently found to harbor latent PCa during follow-up. However, current prostate-specific antigen (PSA)-based screening lacks the specificity required to resolve this diagnostic overlap. This study aimed to develop and internally validate an interpretable machine learning (ML) model as an adjunct to
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: Poststroke dysphagia is a common condition that can lead to complications such as aspiration pneumonia and malnutrition, significantly affecting the quality of life. Most patients recover their swallowing function spontaneously, but in others difficulties persist beyond six months. Can we predict this in advance? On the other hand, there have been recent attempts to use machine learning to predict disease prognosis. Therefore, this study aims to investigate whether machine learning can predict the long-term prognosis for poststroke dysphagia using early videofluoroscopic swallowing
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: To investigate the potential of apparent diffusion coefficient (ADC) map-based deep learning and dose distribution-based dosiomics in predicting radiation-induced temporal lobe injury (RTLI) in nasopharyngeal carcinoma (NPC).
METHODS: This retrospective study included 3578 NPC patients from Jiangsu Cancer Hospital receiving intensity-modulated radiation therapy (IMRT). Ninety-four RTLI patients were recruited based on inclusion criteria and matched 1:1 with 97 control subjects using propensity scores. Patients were randomly assigned to the training cohort (n = 135) and the validat
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: Small clinics are important in providing health care in local communities. Accurately predicting their closure would help manage health care resource allocation. There have been few studies on the prediction of clinic closure using machine learning techniques.
OBJECTIVE: This study aims to test the feasibility of predicting the closure of medical and dental clinics (MCs and DCs, respectively) and investigate important factors associated with their closure using machine running techniques.
METHODS: The units of analysis were MCs and DCs. This study used health insurance administra
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.
MedElevator
Войти в исследования