BACKGROUND: Chronic obstructive pulmonary disease (COPD) imposes a substantial economic burden. While machine learning (ML) enables data-driven cost prediction, real-world benchmarking comparing algorithms, data-splitting strategies, and feature optimization on continuous, skewed healthcare expenditures remains limited.
OBJECTIVE: To develop an interpretable ML framework for predicting annual COPD-related healthcare expenditures, assessing the impact of algorithm selection, train-test split ratios, and feature optimization.
METHODS: We analyzed a retrospective cohort of 396 COPD patients fro
СтатьяОценочное исследованиеПолный 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: The odds of death for a seriously injured crash victim are drastically reduced if he or she received care at a trauma center. Advanced automated crash notification (AACN) algorithms are postcrash safety systems that use data measured by the vehicles during the crash to predict the likelihood of occupants being seriously injured. The accuracy of these models are crucial to the success of an AACN. The objective of this study was to compare the predictive performance of competing injury risk models and algorithms: logistic regression, random forest, AdaBoost, naïve Bayes, support vecto
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.
Quantitative structure-retention relationship (QSRR) modeling of immobilized artificial membrane (IAM) chromatography was performed on a chemically diverse set of 2003 analytes to determine whether mechanistically interpretable, descriptor-based models can match the predictive performance of advanced machine-learning approaches. Chromatographic hydrophobicity indices (CHIIAM) were measured under standardized fast-gradient IAM conditions and modeled using three molecular representation strategies: physicochemical descriptors, ECFP4 fingerprints, and a Graph Isomorphism Network (GIN) operating o
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.
BACKGROUND: Influenza-like illness (ILI) serves as a representative climate dependent disease due to its climate sensitivity, widespread transmission, and significant impact on public health and societal functioning, highlighting the urgent need for reliable ILI prediction techniques that combine climate factors to support effective prevention and intervention. Existing compartmental model-based methods have limited ability to incorporate climate data and often struggle to capture the complex ILI transmission patterns. Many deep learning models generally lack interpretability and tend to overl
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 AND AIMS: The macronutrient composition of donor human milk (DHM) can vary substantially due to several factors such as maternal age, diet, and lactation duration. However, consistent macronutrient levels in DHM facilitate the administration of the required amounts to preterm infants. The current pooling strategy at most human milk banks combines milk from different batches from a single donor. This study aims to stabilize the macronutrient quality of DHM by pooling milk from different donors by utilizing machine learning prediction and optimisation techniques.
METHODS: The current
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.
Postoperative pancreatic fistula (POPF) is a severe complication following pancreaticoduodenectomy,among which clinically relevant postoperative pancreatic fistula has garnered substantial attention due to its high incidence (10% to 25%) and fatal consequences. This article reviews the evolutionary trajectory of risk prediction models for POPF after pancreaticoduodenectomy,progressing from single-center risk prediction models dominated by intraoperative factors, to weighted risk prediction models and their modified versions,and further to novel models integrating radiomics with machine learnin
СтатьяОбзорАннотация на английскомПоиск 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: Accurate forecasting of influenza-like illness (ILI) is crucial for public health. Integrating novel digital data streams (eg, internet searches and human mobility) with traditional surveillance can improve accuracy, but optimal modeling frameworks are underexplored.
OBJECTIVE: This study aimed to develop and compare multisource data-driven models for forecasting ILI incidence trends.
METHODS: Weekly ILI incidence data and multisource variables for Hubei Province from 2020 to 2023 were collected. Multisource predictors included mean temperature, relative humidity, air quality ind
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.
INTRODUCTION: Diabetic retinopathy remains a leading cause of preventable blindness among individuals with type 2 diabetes mellitus and is driven by the increasing global burden of diabetes. Early identification of individuals at high risk is essential for timely intervention. In recent years, artificial intelligence, including machine learning and deep learning, has emerged as a promising approach for prognostic modelling. However, evidence on artificial intelligence-driven models for predicting diabetic retinopathy risk remains fragmented. This systematic review aims to synthesise current ev
СтатьяСистематический обзорПоиск 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: Lymphedema is a chronic complication of breast cancer treatments that can significantly impact the well-being of survivors. This scoping review aims to evaluate the role of artificial intelligence (AI) in enhancing diagnostic precision and supporting timely interventions.
METHODS: PubMed, Scopus, EMBASE, Web of Science, and the Cochrane Central Register of Controlled Trials were searched from database inception until September 2024. Studies were included if they examined AI-based techniques for detecting lymphedema, assessing severity, and/or facilitating early diagnosis. Inclus
СтатьяScoping ReviewПоиск 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 discovery is a costly process with low success rates. Early prioritization of compounds based on drug-likeness estimation can help reduce attrition rates. Here we present HADES (Holistic AI-based Drug-likeness Estimation Score), a soft voting ensemble of five machine learning models that integrates ADMET and physicochemical properties to provide a unified prediction of drug-likeness. Across diverse benchmarks, HADES outperformed other models, more reliably distinguishing nondrugs, clinical-phase candidates, and approved drugs. It assigned low scores to orally toxic, chemically implausible
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.
UNLABELLED: Emergency department (ED) overcrowding is a critical global challenge, affecting the quality and timeliness of medical care. Chile is no exception: In 2024, over 18 million ED visits were recorded in the public health system, reflecting high demand and complicating efficient resource planning and allocation.
AIM: To develop a predictive model capable of accurately estimating the weekly number of consultations in the emergency department of a private university hospital in Santiago, Chile. The model was expected to generate a management impact if it could predict ED visits 14 days
Аннотация на английскомСтатьяПолный 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.
RATIONALE AND OBJECTIVES: To systematically evaluate the diagnostic performance of machine learning (ML) models for predicting Ki-67 expression in renal tumors and assess their potential for clinical translation.
MATERIALS AND METHODS: We systematically searched PubMed, Web of Science, Cochrane Library, and Embase up to November 2025. Studies using ML to predict Ki-67 with immunohistochemistry as reference standard were included. Quality was assessed with QUADAS-2. A bivariate random-effects model pooled diagnostic metrics. Meta-regression and subgroup analyses explored heterogeneity.
RESULT
СтатьяСистематический обзорМетаанализПоиск 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 develop and evaluate a time-aware data mining pipeline that integrates accelerometry-based Physical Activity (PA), static dietary intake, and sociodemographic factors to predict Healthy Weight Status (HWS), and identify features with predictive importance for HWS.
METHODS: We propose TimePAD, Time-Based Physical Activity and Dietary Intake data mining, a three-stage prediction pipeline that integrates time-based PA representations, static dietary intake, and sociodemographic variables to predict HWS categories. Stage 1 derives intensity-specific hourly PA sequences and learns ti
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.
Protein phase separation is a fundamental process in organizing membraneless organelles and is implicated in pathological conditions. Importantly, this process is dynamic and depends on conditions such as concentration, temperature, and solvent composition. However, current machine learning models infer phase separation propensity solely from amino acid sequences, failing to capture these context-dependent behaviors. Here we show that LLPSense, a machine learning framework that integrates protein language model embeddings with environmental parameters, achieves accurate, condition-aware predic
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.
The global surge in childhood myopia necessitates robust screening tools for early risk stratification; however, conventional predictive models often struggle with irregular follow-up intervals and fail to capture the continuous nature of refractive development. We propose Myo-ODE, a continuous-time framework based on Neural Ordinary Differential Equations (Neural ODEs) to predict high myopia risk. Unlike traditional discrete machine learning models, Myo-ODE parameterizes the derivative of the refractive state, allowing myopia progression to be represented as a continuous latent dynamic flow.
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: Cell-penetrating peptides (CPPs) facilitate the delivery of a variety of therapeutic molecules across the plasma membrane, from small chemical substances to nucleic acid-based macromolecules, such as antisense oligonucleotides (ASOs). Among neutral ASOs, peptide nucleic acids (PNAs) and phosphorodiamidate morpholino oligomers (PMOs) have been extensively studied as potential medical treatments for Duchenne Muscular Dystrophy (DMD), a severe genetic disease that causes muscle degeneration progressively. Over the last few decades, many in silico methods have emerged to detect novel 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 identify preoperative clinical and electrodiagnostic predictors of outcome after anterior subcutaneous ulnar nerve transposition for idiopathic cubital tunnel syndrome and to develop an explainable model for individualized prognosis.
METHODS: This retrospective cohort study included 119 patients who underwent anterior subcutaneous ulnar nerve transposition for idiopathic cubital tunnel syndrome between 2005 and 2022 with at least 1 year of follow-up. Candidate predictors included demographic factors, occupational category score, elbow carrying angle, modified McGowan grade, and el
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.
BACKGROUND: Traditional regression models struggle with non-linear data, limiting their ability to predict health outcomes such as activities of daily living (ADL) in stroke survivors. Machine learning (ML) methods offer improved accuracy but often lack interpretability. Explainable ML (XML) algorithms, including SHapley Additive exPlanations (SHAP), promise both precision and interpretability. This study aimed to develop interpretable XML-based prediction models for discharge ADL in subacute stroke survivors and to identify key prognostic factors. METHODS: We retrospectively analyzed 980 suba
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.
Artificial intelligence (AI) is a transformative technology that has captivated the medical world with its potential to optimize cancer treatment and enhance precision oncology. In cancer diagnosis and treatment, various AI technologies have already provided high-level data examination and analytics that preceding innovations were not capable of. Cancer immunotherapy is a treatment that seeks to boost the immune system to recognize and eradicate tumors. It is a field that is constantly evolving, serving as a fertile environment where AI technologies can accelerate discovery and personalize its
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.
Current efforts in fluorescence-based optical thermometry have concentrated on probe optimization to minimize prediction errors, typically requiring fluorophores with multiple emission bands for ratiometric analysis or large emission peak shifts for reliable calibration. However, fluorophores exhibiting a single emission band with a modest peak shift - here termed spectrally featureless - are excluded from conventional thermometric approaches, as single-band intensity measurements are susceptible to excitation source fluctuations and photobleaching, while their peak shifts alone are insufficie
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