Heart failure is one of the most common diseases worldwide. In recent years, Ventricular Assist Devices (VADs) have become a valuable option for patients with advanced HF. Although it has been shown that VADs improve patient survival rates, several complications persist during left VAD (LVAD) support. The stratification scores currently employed are mostly generic, i.e. not specifically built for LVAD patients, and are based on pre-implantation patient data. In this work we apply data mining approaches for the prediction of time dependent survival in patients after LVAD implantation. Moreover,
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.
Cardiovascular diseases (CVDs) cause nearly one-third of all deaths worldwide. Coronary heart disease (CHD) accounts for the greatest propor … of subclinical disease in the prediction of CHD. Risk assessment with short-term or long-term risk prediction algorithms can help to identify individuals who would benefit most from risk-factor interventions. Evaluation of novel risk factors and screening for subclinical atherosclerosis can also help to identify individuals at highest cardiovascular risk. Prevention o …
СтатьяОбзорПолный 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.
This article proposes a novel learning-based Shrink-Horizon Economic Model Predictive Control (SHEMPC) algorithm for constrained nonlinear systems with unknown dynamics and additive disturbances. By combining data clustering and kernel techniques, a componentwise Hölder regression algorithm is customized to construct an accurate and sparse dynamics predictor. The kernel weights and Hölder matrices within each cluster are determined using a tailored Block Coordinate Descent (BCD) optimization method. Then, two error bounds of the regression-based predictor are estimated a priori for the design
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: As the use of flow diverters has expanded in recent years, predicting successful outcomes has become more challenging for certain aneurysms.
OBJECTIVE: To provide neurointerventionalists with an understanding of the available machine learning algorithms for predicting the success of flow diverters in occluding aneurysms.
METHODS: This study followed Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines, and the four major medical databases (PubMed, Embase, Scopus, Web of Science) were screened. The study included original research articles that ev
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.
STUDY OBJECTIVES: This study aimed to identify the risk factors associated with falls in hospitalized patients, develop a predictive risk model using machine learning algorithms, and evaluate the validity of the model's predictions.
STUDY DESIGN: A cross-sectional design was employed using data from the DRYAD public database.
RESEARCH METHODS: The study utilized data from the Fukushima Medical University Hospital Cohort Study, obtained from the DRYAD public database. 20% of the dataset was allocated as an independent test set, while the remaining 80% was utilized for training and validation.
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 prediction models for severe retinopathy of prematurity (ROP) based on risk factors in preterm Thai infants to reduce unnecessary eye examinations in low-risk infants.
METHODS: This retrospective cohort study included preterm infants screened for ROP in a tertiary hospital in Bangkok, Thailand, between September 2009 and December 2020. A predictive score model and a risk factor-based algorithm were developed based on the risk factors identified by a multivariate logistic regression analysis. Validity scores, and corresponding 95% confidence intervals (CIs), were reported.
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: Recent evidence has shown that patient drawings of pain can predict poor outcomes in headache surgery. Given that interpretation of pain drawings requires some clinical experience, the authors developed a machine learning framework capable of automatically interpreting pain drawings to predict surgical outcomes. This platform will allow surgeons with less clinical experience, neurologists, primary care practitioners, and even patients to better understand candidacy for headache surgery.
METHODS: A random forest machine learning algorithm was trained on 131 pain drawings provided p
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.
OBJECTIVE: An artificial intelligence (AI) algorithm has been developed to detect the electrocardiographic signature of atrial fibrillation (AF) present on an electrocardiogram (ECG) obtained during normal sinus rhythm. We evaluated the ability of this algorithm to predict incident AF in an emergency department (ED) cohort of patients presenting with palpitations without concurrent AF.
METHODS: This retrospective study included patients 18 years and older who presented with palpitations to one of 15 ED sites and had a 12‑lead ECG performed. Patients with prior AF or newly diagnosed AF during
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.
Despite advances in sequencing candidate genes and whole genomes, no method has accurately predicted who will or will not benefit from a specific antipsychotic medication among patients with schizophrenia. We propose a computational algorithm that utilizes a person-centered approach that directly identifies individual patients who will respond to a specific antipsychotic medication. The algorithm was applied to the data obtained from the Clinical Antipsychotic Trials of Intervention Effectiveness (CATIE) study. The predictors were either (1) 13 single-nucleotide polymorphisms (SNPs) and 53 bas
СтатьяРандомизированное исследованиеПоддержка NIH: внешняя программаПоддержка 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: Post-thrombotic syndrome (PTS) is a common and debilitating complication after lower extremity deep vein thrombosis (LEDVT). Early risk assessment of PTS patients is still a clinical challenge.
METHODS: The retrospective, multicenter cohort study included 265 patients with unprovoked LEDVT. Baseline clinical and biochemical data including serum uric acid, body mass index (BMI) and treatment delay were noted. Ten machine learning (ML) models (e.g., support vector machine [SVM], XGBoost and LightGBM) were constructed for predicting PTS occurrence in a 70:30 training-validation split
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.
AIM: We aimed to develop and test machine learning algorithms for the prediction of severe outcomes associated with MIS-C.
METHOD: An observational ambispective cohort study was conducted including children aged from 1 month to 18 years old in 84 hospitals from the REKAMLATINA (Red de la Enfermedad de Kawasaki en America Latina) network diagnosed with MIS-C from 1st January 2020 to 31st June 2022. Multiple models were developed to predict four main outcomes: paediatric intensive care unit (PICU) admission, need for inotropes, need for mechanical ventilation, and death. Performance measures we
СтатьяНаблюдательное исследованиеВалидационное исследованиеМногоцентровое 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.
UNLABELLED: BACKGROUND AND OBJECTIVES: SCORe of Toxic Epidermal Necrolysis (SCORTEN) and ABCD-10 have been developed as scoring systems for predicting mortality associated with Stevens-Johnson syndrome (SJS) or toxic epidermal necrolysis (TEN). These scores were developed based on a small number of patients; hence, their generalizability requires further exploration. The present study used three algorithms, including a machine learning method, to construct a mortality prediction model for SJS/TEN and to identify new candidate predictors of mortality from severe drug eruptions.
METHODS: Data f
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 aimed to construct a coronary heart disease (CHD) risk-prediction model in people living with human immunodeficiency virus (PLHIV) with the help of machine learning (ML) per electronic medical records (EMRs).
METHODS: Sixty-one medical characteristics (including demography information, laboratory measurements, and complicating disease) readily available from EMRs were retained for clinical analysis. These characteristics further aided the development of prediction models by using seven ML algorithms [light gradient-boosting machine (LightGBM), support vector machine (SVM
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.
Ischemic stroke is a serious disease posing significant threats to human health and life, with the highest absolute and relative risks of a poor prognosis following the first occurrence, and more than 90% of strokes are attributable to modifiable risk factors. Currently, machine learning (ML) is widely used for the prediction of ischemic stroke outcomes. By identifying risk factors, predicting the risk of poor prognosis and thus developing personalized treatment plans, it effectively reduces the probability of poor prognosis, leading to more effective secondary prevention. This review includes
Систематический обзорСтатьяПоиск 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.
Serial prognostic evaluation after allogeneic hematopoietic cell transplantation (allo-HCT) might help identify patients at high risk of lethal organ dysfunction. Current prediction algorithms based on models that do not incorporate changes to patients' clinical condition after allo-HCT have limited predictive ability. We developed and validated a robust risk-prediction algorithm to predict short- and long-term survival after allo-HCT in pediatric patients that includes baseline biological variables and changes in the patients' clinical status after allo-HCT. The model was developed using clin…
СтатьяПоддержка исследования: вне правительства СШАПоддержка NIH: внешняя программаПоиск 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.
... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics2023eng
Delirium is a syndrome of acute brain failure which is prevalent amongst older adults in the Intensive Care Unit (ICU). Incidence of delirium can significantly worsen prognosis and increase mortality, therefore necessitating its rapid and continual assessment in the ICU. Currently, the common approach for delirium assessment is manual and sporadic. Hence, there exists a critical need for a robust and automated system for predicting delirium in the ICU. In this work, we develop a machine learning (ML) system for real-time prediction of delirium using Electronic Health Record (EHR) data. Unlike
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: Atypical meningioma (AM) recurs in up to half of patients after surgical resection and may require adjuvant therapy to improve patient prognosis. Various clinicopathological features have been shown to have prognostic implications in AM, but an integrated prediction model is lacking. Thus, in this study, we aimed to develop and validate an integrated prognostic model for AM.
METHODS: A retrospective cohort of 528 adult AM patients surgically treated at our institution were randomly assigned to a training or validation group in a 7:3 ratio. Sixteen baseline demographic, clinical, and
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.
Drug-induced liver injury (DILI) and cardiotoxicity (DICT) are major adverse effects triggered by many clinically important drugs. To provide an alternative to in vivo toxicity testing, the U.S. Tox21 consortium has screened a collection of ∼10K compounds, including drugs in clinical use, against >70 cell-based assays in a quantitative high-throughput screening (qHTS) format. In this study, we compiled reference compound lists for DILI and DICT and compared the potential of Tox21 assay data with chemical structure information in building prediction models for human in vivo hepatotoxicity and c
СтатьяResearch Support, N.I.H., IntramuralПоиск 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.
Objective: Skin diseases are a major global health problem associated with high number of people. With the rapid development of technologies and the application of various data mining techniques in recent years, the progress of dermatological predictive classification has become more and more predictive and accurate. Therefore, development of machine learning techniques, which can effectively differentiate skin disease classification, is of vast importance. The machine learning techniques applied to skin disease prediction so far, no techniques outperforms over all the others. Methods: In this
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: Central line-associated bloodstream infection (CLABSI) is a common and serious complication in children with acute leukaemia (AL), leading to increased morbidity, prolonged hospitalization, and adverse clinical outcomes. Early identification of patients at high risk of CLABSI remains a major clinical challenge.
AIM: To develop and evaluate machine learning models for early prediction of CLABSI risk in paediatric patients with AL and to identify key clinical factors associated with infection.
METHODS: A retrospective study was conducted using clinical data from 407 paediatric pati
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