AIMS: To develop a machine learning framework for predicting type 2 diabetes mellitus (T2DM) using administrative data and electronic health records (EHR) that could be applied in healthcare settings.
METHODS: Study population included parents of individuals born in 1970-1990 who resided in Utah urban counties during 1990-2015. Two prediction models were developed using classification and regression tree (CART) methods. A "follow-back" design used data from 2010-2015 to predict T2DM incidence between 2016-2021. An "age-based" design used data from ages 40-45 to predict T2DM incidence between
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.
BackgroundDepression is a widespread mental health disorder that disproportionately affects women of reproductive age due to a combination of biological, social, and environmental factors. It significantly impacts productivity, increases morbidity and disability, and poses challenges to the global economy. In Bangladesh, there have been few studies addressing this issue using modern analytical methods, despite its importance for public health.ObjectivesThe study aims to develop the best predictive model for depression risk factor analysis and to assess the PHQ-9 scale.DesignThis study extracte
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: Severe obstructive sleep apnea (SOSA) is associated with an increased risk of perioperative complications in patients undergoing metabolic bariatric surgery. However, polysomnography-based screening remains limited by poor accessibility and high cost. This study aimed to develop and validate an explainable machine learning (ML) model for predicting SOSA in patients with obesity undergoing metabolic bariatric surgery.
METHODS: A total of 1,690 participants from the Chinese Obesity and Metabolic Surgery Database were randomly divided into a training cohort (70%) and a validation coh
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: This cross-sectional study has dual objectives: to investigate the predictive value of machine learning (ML) for the prevalence of depressive symptoms in middle-aged and older adult hospitalized patients with chronic diseases, and to identify significant factors influencing depressive symptoms in this population.
METHODS: A cross-sectional study was conducted among 618 hospitalized middle-aged and older adult patients with chronic diseases. Participants completed questionnaires assessing depression, chronic illness stigma, oral frailty, social isolation, family health, and demograp
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.
INTRODUCTION AND AIM: Right-sided colon cancer (RSCC) is characterized by distinct clinical features and recurrence patterns. Our study aimed to develop a predictive model for distant recurrence in patients with RSCC who underwent curative surgery, employing the Random Forest machine learning algorithm, based on clinical and histopathologic variables.
MATERIALS AND METHODS: A retrospective analysis of 64 patients treated within the time frame of 2016-2024 was conducted. The variables included age, sex, lymphovascular invasion, and number of lymph nodes evaluated (transformed for inverse inter
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.
BACKGROUNDS: Liver transplantation (LT) is a life-saving procedure for patients with end-stage liver disease, yet post-operative complications, particularly the need for respiratory support, remain a significant challenge. We aimed to develop and validate a machine learning (ML)-based predictive tool for postoperative respiratory support requirement in liver transplant recipients.
METHODS: This single-center retrospective study was conducted at Zhongshan Hospital, Fudan University (Shanghai, China) from January 2018 to October 2023. Following data preprocessing, key variables were selected th
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: This paper seeks to improve the reliability and quality of operation of the critical medical equipment methods through the combination of failure mode and effects analysis (FMEA) and supervised machine learning (ML) approaches to predictive spare parts management. The paper aims to reduce downtime, optimise the maintenance planning and increase the quality of healthcare services in general by advanced decision support.
DESIGN/METHODOLOGY/APPROACH: A dataset comprising 2,800 maintenance records from six hospitals, covering 10 categories of medical devices including ventilators, dialys
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 priori model-informed precision dosing (MIPD) recommends an appropriate first dose based solely on the patient's covariates enabling faster target attainment without required concentration measurements. Population pharmacokinetic (PopPK) model ensembling and machine learning (ML) approaches were developed and evaluated to predict a first dose of amoxicillin in intensive care. Following a bibliographic review, a virtual patient population was simulated based on cohorts from four published adult amoxicillin PopPK models. Steady-state trough concentrations were simulated using cohort-specific d
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.
Postoperative nausea and vomiting (PONV) is a frequent and serious complication after surgery. PONV also reduces patient satisfaction with surgery under spinal anesthesia and increases medical costs due to prolonged hospitalization. The purpose of this study is to apply artificial intelligence (AI) machine learning analysis to identify risk factors for PONV in patients undergoing surgery with spinal anesthesia. This retrospective study used artificial intelligence to analyze data of adult patients (aged ≥20 years) who underwent surgery under spinal anesthesia at Tohoku University Hospital from
СтатьяНаблюдательное 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.
Traditional statistical models often struggle to accurately predict global burden of respiratory diseases due to the complex and interdependent nature of environmental variables. To address these challenges, this study aims to develop and evaluate machine learning models for respiratory disease prediction from 1999 to 2015 in Penang, Malaysia. The dataset on respiratory disease cases was obtained from the Health Informatics Centre, Ministry of Health Malaysia, while environmental data were sourced from the Department of Environment Malaysia. We considered ten predictors for analysis, consistin
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: Birth weight is a reliable indicator of intrauterine growth and an important predictor of neonatal survival, growth, and long-term development. Globally, approximately 15.5% of live births are low birth weight, and nearly 10% are macrosomic (high birth weight), with a substantial proportion of these cases occurring in sub-Saharan Africa. Birth weights outside the normal range of 2,500-4,000 g are considered abnormal and are associated with increased risks of neonatal and maternal complications. Ethiopia is similarly affected by the growing burden of abnormal birth weight.
METHODS:
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.
Predictive tools are lacking for pain-related outcomes after endometriosis surgery. The objective of this study was to develop and validate a machine learning-based clinical model to predict poor pain-related quality of life after endometriosis surgery. Registry data from a prospective longitudinal cohort at a tertiary referral center (2013-2020) was used for model development and validation. Participants underwent an index endometriosis surgery, and completed the pain subscale of the Endometriosis Health Profile-30 (EHP-30) at baseline and 1-2-year follow-up. The outcome was poor pain-related
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: One-third of patients operated for degenerative conditions in the lumbar spine do not report substantial improvement after 12 months. Most previous outcome prediction models are classifiers. This constrains nuances in prediction and use for decision support.
OBJECTIVES: To develop and test models for the prediction of continuous outcome scores and retrieval of similar patients' outcomes, and to evaluate the models' fairness.
SETTING: Norwegian public and private specialist healthcare.
PARTICIPANTS AND DATA SOURCE: All cases recorded with an elective operation for lumbar disc her
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 AND AIMS: Prognostic biomarkers that link disease progression and/or responses to therapeutic interventions in patients with primary biliary cholangitis (PBC) remain undefined. In this study, we used a machine learning (ML) approach with whole-blood transcriptomic data to predict clinical outcomes in response to obeticholic acid (OCA) and disease progression.
METHODS: We developed an ML model that incorporated whole-blood RNA-seq analyses using longitudinal samples from the POISE study (discovery cohort) and a prospective group of PBC patients who remained unchanged or progressed t
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.
Type 2 diabetes mellitus (T2DM) is a prevalent chronic condition characterized by elevated blood glucose levels resulting from insulin resistance or inadequate insulin secretion. Accurate prediction of future glucose levels is essential for minimizing complications and enabling proactive management. While machine learning and deep learning models have been extensively applied in this domain, the potential of large language models (LLMs) remains underexplored, with no prior studies systematically comparing them to conventional approaches using real patient data. In this study, we evaluate three
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: Influenza A (IAV) and B (IBV) viruses are the primary etiologic agents driving seasonal influenza epidemics and global pandemics. Early prediction plays a crucial role in epidemic control and reducing mortality rates. Complete blood count (CBC), a widely used clinical tool, provides rapid and non-invasive hematological biomarkers that offer diagnostic value during the pre-pathogen confirmation phase. This study proposes a machine-learning (ML) algorithm leveraging CBC parameters to distinguish IAV and IBV from other infections. This approach may complement nucleic acid tests and an
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.
INTRODUCTION: HER2 is expressed in a minority of patients with metastatic colorectal cancer (mCRC), yet it has proven to be a valuable therapeutic target for novel agents such as trastuzumab deruxtecan and tucatinib. Currently, testing is not mandatory in mCRC at baseline and a simple clinical tool to identify patients with a higher likelihood of being HER2 positive would be extremely helpful in guiding test requests and personalized medicine.
METHODS: Two machine learning (ML) algorithms were applied to analyze 30 variables available in routine clinical practice (clinicomics) for the predict
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.
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2025eng
BACKGROUND: Patients with single-segment lumbar disc herniation(LDH) who have undergone unilateral biportal endoscopic (UBE) spinal surgery face the risk of postoperative recurrence. The potential factors for recurrence of lumbar disc herniation(rLDH) are not fully understood. AIMS: This study aimed to investigate the risk factors for rLDH after UBE spinal surgery and establish a risk factor prediction model using machine learning to predict the recurrence rate. STUDY DESIGN: This study used LASSO regression for feature screening, XGBoost for machine learning model construction, ROC curve anal
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.
Objective: This study was aimed to identify the most effective machine learning (ML) algorithm for predicting preeclampsia based on sociodemographic and obstetric factors during the preconception period. Methods: Data from pregnant women admitted to the obstetric clinic during their first trimester were analyzed, focusing on maternal age, body mass index (BMI), smoking status, history of diabetes mellitus, gestational diabetes mellitus, and mean arterial pressure. The women were grouped by whether they had a preeclampsia diagnosis and by whether they had one or two live births. Predictive mode
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.
OBJECTIVE: To develop an algorithm that allows advanced identification of infants requiring treatment for retinopathy of prematurity (ROP).
STUDY DESIGN: A retrospective observational study was performed at 2 tertiary neonatal units serving a multiethnic population in the UK, using data on 929 infants eligible for ROP screening. The relationships between study variables and the risk of developing ROP requiring treatment were analyzed using multiple logistic regression.
RESULTS: After applying exclusion criteria, data from 589 infants were analyzed; of these, 57 required laser treatment. The
Сравнительное исследованиеСтатьяПоддержка 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.
MedElevator
Войти в исследования