PURPOSE: Large artery stenosis (LAS) can drive cognitive impairment and neurodegeneration even without overt infarction, yet scalable biomar … xternal test R2 of 0.456 versus 0.254 for GM volume and 0.430 versus 0.251 for WM volume, while the support vector machine achieved the best classification performance for cognitive impairment (area under the curve = 0.794 vs. 0.668).
CONCLUSIONS: Retinal and choroidal microvascular measures are sensitive, noninvasive biomarkers of silent, vascular-driven neurodegenera …
СтатьяМногоцентровое 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.
PURPOSE: Nutritional epidemiological research is shifting its focus from individual nutrients to dietary patterns, which challenges traditio … patterns by sex. Six classifiers (naïve Bayes, K-nearest neighbours, decision tree, random forest, support vector machine and xgboost) were used to predict identified dietary patterns based on sociodemographic and lifestyle factors.
RESULTS: After comparison, the optimal clustering method, K-means clustering, identified two distinct dietary patterns for both sexes, i. …
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 AIM: The development of accurate noninvasive tests to identify individuals with metabolic dysfunction-associated steatohepati … d laboratory testing for liver disease at 2 hospitals in China. Logistic regression, random forest, support vector machine, and the XGBoost algorithm were used to construct models, respectively. The best diagnostic models for MASH and significant fibrosis were compared with 7 existing noninvasive scoring systems including AAR, AST to platelet ratio index (APRI), BARD sc …
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.
OBJECTIVE: Identifying obsessive-compulsive disorder (OCD) using brain data remains challenging. Resting-state electroencephalography (EEG) … ramework to perform subject-level classification and compared its performance to a more traditional support vector machine (SVM) approach. Next, using multimodal fusion, we examined whether adding clinical and demographic information improved classification.
RESULTS: The CNN classifier achieved high subject-level performance, distinguishing individuals with an accuracy …
СтатьяПрепринтПоиск 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: Anticoagulation therapy is required to prevent thromboembolic complications in patients with heart valve surgery (HVS). However, ca … prescriptions were defined as the control group. Three machine learning models-logistic regression, support vector machine, and random forest-were trained and scored by fivefold validation to validate our feature selection processes. We developed a risk scoring system using adjusted odds ratios from multivariate logistic regression.
RESULTS: Of 1 137 861 subjects, 1093 …
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: Diabetes significantly increases the risk of cognitive impairment, particularly mild cognitive impairment (MCI). Early identification of individuals at risk for MCI is crucial for timely intervention. This study was aimed at developing and validating a machine learning-based model to predict MCI in patients with Type 2 diabetes (T2DM).
METHODS: Participants with T2DM and completed cognitive assessments were included. Feature selection was done using statistical methods and genetic programming to reduce collinearity. Six classification models were trained and evaluated using cross-
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.
AIM: Prospective outcome prediction plays a crucial role in guiding preoperative decision-making in patients with Chiari malformation type I … dient boosting machine, decision tree classifier, logistic regression, K neighbours classifier, and support vector machine. The dataset was randomly divided into training (n = 121, 80%) and test (n = 30, 20%) sets. Model performance was evaluated using precision, recall, F-1 score, and area under the curve (AUC). Shapley additive explanations (SHAP) was used to interpre …
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: Extended aortic arch repair (EAR) is increasingly adopted for treating acute type A aortic dissection (ATAAD). However, existing … hniques included simple decision tree, random forest (RF), eXtreme Gradient Boosting (XGBoost), and support vector machine (SVM).
RESULTS: The nomogram based on SVM outperformed others, achieving a mean area under the receiver operating characteristic (ROC) curve (AUC) of 0.842 on training dataset and a mean AUC of 0.782 on testing dataset, accompanied by a Brier 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.
UNLABELLED: The escalating therapeutic use of methadone has coincided with an increase in accidental ingestions, particularly among children … nd a strong receiver operating characteristic area under the curve (ROC AUC) (0.98). Meanwhile, the support vector machine (SVM) had the highest negative predictive value (NPV) (0.64). Shapley Additive exPlanation (SHAP) analysis identified key predictors such as coma, cyanosis, respiratory arrest, and respiratory depression for predicting serious outcomes.
CONCLUSION: …
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.
Metabolomics-based prediction models are reshaping hybrid breeding by enabling early and accurate identification of superior genotypes. Papaver somniferum (opium poppy), a pharmaceutically important crop producing benzylisoquinoline alkaloids, is particularly suited to benefit from this approach. Although metabolomics and machine learning have been widely applied in food and oilseed crops, their potential remains largely unexplored in medicinal plants, especially opium poppy. Here, we developed a metabolomics-guided, machine learning-assisted framework to predict hybrid performance and acceler
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: Accumulative evidence has shown that systemic lupus erythematosus (SLE) increases the risk of various cardiovascular diseases in … les from the GEO database. Subsequently, machine learning algorithms including LASSO regression and support vector machine (SVM) method were employed to identify the candidate therapeutic target for SLE-related AF. Furthermore, the therapeutic role of TMEM45A was validated both in vivo and vitro.
RESULTS: Totally, 26 DEGs were identified in SLE and AF. The PPI network …
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.
OBJECTIVE: This study aims to identify potential biomarkers for Hepatoblastoma (HB) using bioinformatics and machine learning, and to explore their underlying mechanisms of action.
METHODS: We analyzed the datasets GSE131329 and GSE133039 to perform differential gene expression analysis. Single-sample gene set enrichment analysis (ssGSEA) and weighted gene co-expression network analysis (WGCNA) were utilized to identify gene modules linked to gene set activity. Protein-protein interaction (PPI) networks were constructed to identify hub genes, while random forest and support vector machine 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.
BACKGROUND: Cardiac valve calcification (CVC) is common in dialysis patients and associated with increased cardiovascular risk. However, ear … iate and multivariate analyses. Machine learning models including CatBoost, XGBoost, decision tree, support vector machine, random forest, and logistic regression were used to develop the CVC risk model. Model performance was evaluated in both validation sets. Risk thresholds were defined using the Youden index and validated in the external dataset.
RESULTS: In the dev …
СтатьяМногоцентровое исследованиеВалидационное 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.
INTRODUCTION: Lithium remains a first-line mood stabilizer for bipolar disorder; yet, only a subset of patients achieves symptomatic remissi … We evaluated various machine learning techniques such as random forest, XGBoost, neural network and support vector machines with five-fold cross validation. Performance metrics included area under the receiver operating characteristic curve and accuracy.
RESULTS: The mean age was 44±16.9 years and 53% of participants were females. The remission rate at 3 months was 44% …
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: Differentiating idiopathic Parkinson's disease (IPD) from multiple system atrophy-parkinsonian type (MSA-P) is essential for opt … ng sequences, and various machine learning classifiers were applied, including logistic regression, support vector machine (SVM), ExtraTrees, extreme gradient boosting, and Light Gradient Boosting Machine. Model performance was assessed using area under the curve (AUC), accuracy, sensitivity, and specificity. A nomogram combining clinical and radiomic features was also …
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 develop and validate a radiomics-based machine learning nomogram using multiparametric MRI for preoperative prediction of aggressive histology in endometrial cancer (EC) patients.
METHODS: This dual-center study retrospectively analyzed histologically confirmed EC patients who underwent preoperative MRI. Radiomics features were trained and tested to predict aggressive histology with a support vector machine (SVM) algorithm. Clinical data and conventional MRI findings were collected. A multivariable logistic regression analysis was conducted to create a predictive fusion model, w…
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.
There is an emerging potential for digital assessment of depression. In this study, Chinese patients with major depressive disorder (MDD) and controls underwent a week of multimodal measurement including actigraphy and app-based measures (D-MOMO) to record rest-activity, facial expression, voice, and mood states. Seven machine-learning models (Random Forest [RF], Logistic regression [LR], Support vector machine [SVM], K-Nearest Neighbors [KNN], Decision tree [DT], Naive Bayes [NB], and Artificial Neural Networks [ANN]) with leave-one-out cross-validation were applied to detect lifetime diagnos…
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.
AIMS/INTRODUCTION: Machine learning algorithms based on the artificial neural network (ANN), support vector machine, naive Bayesian or logistic regression model are commonly used to identify diabetes. This study investigated which approach performed the best and whether muscle strength provided any incremental benefit in identifying undiagnosed diabetes in Chinese adults.
METHODS: This cross-sectional study enrolled 4,482 eligible participants from eight provinces in China, who were randomly divided into the training dataset (n = 3,586) and the testing dataset (n = 896). Muscle strength was a…
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.
This study sought to develop and validate different machine learning (ML) models that leverage non-contrast MRI radiomics to predict the deg … ral ML models were constructed by logistic regression (LR), decision tree (DT), random forest (RF), support vector machine (SVM), extreme gradient boosting (XGBoost), and light gradient boosting machine (LGBM). These models underwent internal and external validation, and the best model's feature significance was assessed via the Shapley additive explanations (SHAP) meth …
СтатьяМногоцентровое 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.
BACKGROUND: The incidence of delirium in hospitalized coronavirus disease 2019 (COVID-19) patients is linked to adverse health outcomes. Pre … ng (XGB), light gradient boosting machine (LGBM), logistic regression (LR), random forest (RF), and support vector machine (SVM).
RESULTS: The RF model emerged as the most effective for predicting delirium, achieving an area under the curve (AUC) of 0.923. It showed a sensitivity of 0.639, accuracy of 0.900, specificity of 0.934, positive predictive value (PPV) of 0.56 …
СтатьяСравнительное исследованиеПоддержка 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.
MedElevator
Войти в исследования