BACKGROUND: There is no published algorithm predicting asthma crisis events (accident and emergency [A&E] attendance, hospitalisation, or death) using routinely available electronic health record (EHR) data.
AIM: To develop an algorithm to identify individuals at high risk of an asthma crisis event.
DESIGN AND SETTING: Database analysis from primary care EHRs of people with asthma across England and Scotland.
METHOD: Multivariable logistic regression was applied to a dataset of 61 861 people with asthma from England and Scotland using the Clinical Practice Research Datalink. External valida
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.
Traffic crashes involving pedestrians tend to result in the most casualties (minor, serious, or fatal). Therefore, accurately determining the level of responsibility in a pedestrian crash is crucial, as liability can lead to civil, administrative, or criminal consequences. Despite its importance, the scientific literature contains very few studies focused specially on the attribution of responsibility in traffic accidents, and even fewer focus on pedestrian collisions. This study evaluated different supervised classification models using Machine Learning (ML) techniques to classify the levels
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.
Low birth weight (LBW), defined by the World Health Organization as birth weight below 2500 g, remains a major public health concern. This study evaluates whether a quantile-based outcome redefinition can improve predictive severity stratification among newborns already classified as LBW. We analyzed deidentified SIVIGILA surveillance records from Medellín, Colombia (2011-2021; n = 10,185), all corresponding to confirmed LBW births. The analysis therefore does not model LBW versus normal birth weight. Instead, the binary outcome was redefined within the LBW cohort using the first quartile of b
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.
This study elaborates on the design of artificial pancreas using model predictive control algorithm for a comprehensive physiological model such as the Sorensen model, which regulates the blood glucose and can have a longer control time in normal glycaemic region. The main objective of the proposed algorithm is to eliminate the risk of hyper and hypoglycaemia and have a precise infusion of hormones: insulin and glucagon. A single model predictive controller is developed to control the bihormones, insulin, and glucagon for such a development unmeasured disturbance is considered for a random tim
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: Smoking is a risk factor for many chronic diseases. Multiple smoking status ascertainment algorithms have been developed for population-based electronic health databases such as administrative databases and electronic medical records (EMRs). Evidence syntheses of algorithm validation studies have often focused on chronic diseases rather than risk factors. We conducted a systematic review and meta-analysis of smoking status ascertainment algorithms to describe the characteristics and validity of these algorithms.
METHODS: The Preferred Reporting Items for Systematic Reviews and Met
МетаанализСистематический обзорСтатьяПоиск 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: To evaluate machine learning algorithms (MLAs) for predicting factors (oxidative stress biomarkers [OSBs] and single-nucleotide polymorphism of the antioxidant enzymes) for respiratory distress syndrome (RDS) and significant alterations in the liver functions (SALVs). Materials & methods: MLAs were applied for predicting the RDS and SALV (with OSB and single-nucleotide polymorphisms in the antioxidant enzymes) with area under the curve (AUC) as the accuracy measure. Results: The C5.0 algorithm best predicted SALV (AUC: 0.63) with catalase as the most important predictor. Bayesian 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.
BACKGROUND: Novel algorithms were developed to identify International Society on Thrombosis and Haemostasis (ISTH)-defined major and clinically relevant nonmajor (CRNM) bleeding events using electronic health record (EHR) data.
OBJECTIVES: We applied and validated these EHR-based algorithms in a large US integrated health system.
METHODS: We conducted a retrospective cohort and chart review study of adults with atrial fibrillation and ≥1 oral anticoagulant (OAC) prescription between 2013 and 2021. EHR-based algorithms were applied to identify ISTH-defined major and CRNM bleeding from the fir
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.
OBJECTIVES: Monitoring kidney function after acute kidney injury (AKI) hospitalisation is essential for identifying patients at risk of rapid progression. This study developed a machine learning (ML) model to predict membership in a high-risk longitudinal estimated glomerular filtration rate (eGFR) trajectory associated with subsequent kidney replacement therapy (KRT) initiation.
METHODS: We conducted a cohort study of 88 632 adults with ≥2 post-discharge eGFR measurements between 2010 and 2017. Joint latent class mixed models were used to identify dynamic eGFR trajectories from 665 499 measu
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.
This study aimed to develop machine learning models to predict postoperative acute kidney injury (AKI) in surgical patients with pre-existing chronic kidney disease (CKD), a serious complication associated with high morbidity and accelerated disease progression. Using data from 3,851 surgical patients with CKD from the MIMIC-IV database, nine supervised machine learning models were developed to predict AKI, as defined by the KDIGO criteria. Postoperative AKI occurred in 24.2% (932/3,851) of the patients. The XGBoost model demonstrated the best predictive performance, achieving an AUC of 0.844,
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.
BACKGROUND: Congenital heart disease (CHD), one of the most common birth defects, poses challenges to preoperative risk stratification due to its anatomical complexity and developmental vulnerability. Existing tools inadequately predict critical outcomes, including mortality and ventilator dependence. We developed a machine learning-based clinical tool to enable precise preoperative risk assessment.
METHODS: This retrospective dual-centre cohort study analysed 1,363 CHD surgical cases (1,033 from Kunming Children's Hospital and 330 from Fuwai Yunnan Cardiovascular Hospital), with 78 preoperat
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.
Postoperative recurrence is a major determinant of prognosis in bladder cancer. Early identification of patients at high risk is essential for optimizing individualized follow-up and therapeutic strategies. This study aimed to develop a comprehensive recurrence risk prediction model based on clinical characteristics, laboratory parameters, and postoperative follow-up data, and to identify the key risk factors associated with recurrence. A total of 488 patients with bladder cancer were retrospectively enrolled. Demographic, lifestyle, comorbidity, tumor-related, surgical, and laboratory data at
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: Very low birth weight infants (VLBWIs) are at high risk of requiring immediate neonatal resuscitation and developing serious complications or mortality. Early prediction based on prenatal information could improve perinatal preparedness and clinical outcomes. We aimed to develop and evaluate machine learning models that predict the need for delivery room resuscitation, major morbidities, and mortality in VLBWIs using prenatal variables. METHODS: In this population-based cohort study, we included 21,231 VLBWIs from the Korean Neonatal Network (2013–2023). Nineteen prenatal and perin
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: Type 2 diabetes mellitus (T2DM) combined with hypertension significantly increases mortality risk, yet accurate risk prediction models remain limited.
OBJECTIVE: We aimed to develop and validate machine learning-based models to predict all-cause mortality in patients with T2DM and hypertension.
METHODS: We analyzed data from the National Health and Nutrition Examination Survey from 1999 to 2018 linked with mortality data up to December 31, 2019. Adult participants (aged ≥20 years) with concurrent T2DM and hypertension were included. Five machine learning algorithms were developed
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.
Peritoneal dialysis (PD) is a common treatment for end-stage renal disease, yet cardiovascular disease (CVD) remains a major cause of morbidity. Inadequate fluid management can elevate CVD risk, and bioelectrical impedance spectroscopy (BIS) is increasingly used to assess fluid status. This study aimed to develop an artificial intelligence model integrating BIS measurements and medical history to predict major adverse cardiovascular events (MACEs) within six months in clinically stable PD patients. Data were stratified by MACE occurrence and subject, with 80% assigned to training and 20% to te
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: Klebsiella species are well-recognized pathogens implicated in both healthcare-associated and community-acquired infections, and they contribute substantially to the global burden of antimicrobial resistance. In this study, we investigated the epidemiology, temporal resistance trends, multidrug resistance profiles, and the application of machine learning (ML) approaches to predict antimicrobial susceptibility among Klebsiella isolates in Al-Kharj, Saudi Arabia.
METHODS: A retrospective analysis conducted using routine microbiology laboratory data collected between 2019 and 2024.
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: Early triage for massive transfusion (MT) is essential in trauma care but most existing scoring systems rely on in-hospital data. To address this limitation, a machine learning model using only prehospital variables to predict MT and stratify mortality risk was developed and externally validated.
METHODS: Data from the Korean Trauma Data Bank from 19 trauma centres (2017-22) was used for model development and internal validation, with 2023 data for patients from four additional centres used for external validation. Trauma cases were identified using S or T codes from the Korean Cl
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.
RATIONALE AND OBJECTIVES: To use machine learning-based magnetic resonance imaging radiomics to predict metachronous liver metastases (MLM) in patients with rectal cancer.
MATERIALS AND METHODS: This study retrospectively analyzed 108 patients with rectal cancer (54 in MLM group and 54 in nonmetastases group). Feature selection were performed in the radiomic feature sets extracted from images of T2-weighted image (T2WI) and venous phase (VP) sequence respectively, and the combining feature set with 2058 radiomic features incorporating two sequences with the least absolute shrinkage and select
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.
Timely diagnosis of colorectal cancer (CRC) is crucial in reducing global cancer deaths. Physicians will benefit significantly by developing an automated prediction system using advanced technology to detect CRC at an early stage. Besides, existing AI-based diagnostics models primarily rely on imaging data, and their effectiveness is inconsistent when applied to clinical data. This study recommends a personalized one-dimensional residual network (ResNet51-Conv1D) structure adapted for structured clinical data analysis to learn hierarchical feature associations from a large-scale structured PLC
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.
Accurate influenza forecasting is critical for timely public health responses and resource allocation. To address challenges such as strong non-stationarity, spatiotemporal heterogeneity, and the prediction lag of traditional models during outbreak peaks , this study proposes a deep learning forecasting framework based on Variational Mode Decomposition (VMD) and Dual-Channel Feature Fusion (VMD-DCFF-IF). The framework first employs VMD to decompose influenza time series into Intrinsic Mode Functions (IMFs) with distinct frequency characteristics, thereby reducing nonlinear coupling. Subsequent
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 COVID-19 pandemic presented severe challenges in understanding and predicting the spread of infectious diseases, necessitating innovative approaches beyond traditional epidemiological models. This study introduces an advanced method for automated model discovery using the Sparse Identification of Nonlinear Dynamics (SINDy) algorithm, leveraging a dataset from the COVID-19 outbreak in Thuringia, Germany, encompassing more than 400,000 patient records and vaccination data. We develop a flexible, data-driven model capturing pandemic dynamics, incorporating external factors and interventions i
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