Postoperative delirium (POD) is a frequent and serious complication associated with increased morbidity and mortality. Although predictive models for POD exist, they are rarely implemented in routine clinical practice, partly due to their complexity and data requirements. Simple and interpretable tools based on routinely available data may improve clinical applicability. In this retrospective cohort study, we evaluated Fast-and-Frugal Trees (FFTrees) for predicting POD using routine electronic health record data from 61,150 surgical patients treated between 2017 and 2020 at a large German univ
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.
BACKGROUD: No universally accepted model exists for predicting bleeding risk in patients receiving low-molecular-weight heparin or fondaparinux.
OBJECTIVE: This study leveraged seven machine learning algorithms to build a short-term bleeding risk prediction platform for this population.
METHODS: This retrospective real-world observational study included hospitalized patients who received low-molecular-weight heparin or fondaparinux between January 2022 and December 2023. After applying predefined criteria, the cohort were randomly split into training (70%) and validation (30%) sets. Predicto
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.
Carbon dioxide (CO₂) is one of the infamous greenhouse gases, resulting in increased global temperature and climate change. The steady rise in atmospheric CO₂ levels, primarily driven by anthropogenic activities, poses serious environmental and socio-economic challenges. Understanding and forecasting CO₂ emission trends are essential for guiding global mitigation efforts and assessing progress toward climate commitments. In this study, we aim to investigate the monthly CO₂ emission trend from direct measurement data collected by the National Oceanic and Atmospheric Administration and build pre
СтатьяСравнительное 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.
BACKGROUND: Preterm birth, defined as delivery before 37 weeks of gestation, is a major cause of neonatal morbidity and mortality and places a substantial burden on healthcare systems. Many existing prediction tools depend on clinical measurements, imaging, or laboratory results that may be unavailable or inconsistently recorded early in pregnancy. Routinely collected administrative health records may offer a scalable alternative for early population-level risk prediction.
OBJECTIVE: This study aimed to develop and evaluate machine learning models for predicting preterm birth at 26 weeks of g
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: This study aimed to develop and internally validate a machine learning-based model for predicting endometrial malignancy, defined as atypical hyperplasia or endometrial cancer (AH/EC), in postmenopausal women, integrating routinely available clinical, ultrasound, and laboratory features to support individualized diagnostic triage and potentially reduce unnecessary invasive diagnostic procedures in low-risk patients.
METHODS: This retrospective, single-center study included 858 postmenopausal women who underwent endometrial histopathological evaluation at Henan Provincial People's
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: Falls constitute potentially devastating health events for older adults with sarcopenia, whereas there remains a critical gap in validated fall risk prediction models tailored to this vulnerable population in China. This study aims to develop machine learning algorithms for predicting 6-year fall risk among patients with sarcopenia. METHODS: Data were used from the China Health and Retirement Longitudinal Study (CHARLS) spanning from 2013 to 2018. A total of 110 input variables at the baseline level were regarded as candidate features. Sarcopenia cases were identified according to t
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.
OBJECTIVES: This study aims to predict TMD using ML approaches based on clinical and sociodemographic variables to aid in the early detection and risk assessment.
METHODS: The study was on patients with and without TMD who met the inclusion criteria in a retrospective-prospective manner. Clinical and demographic variables of 340 patients were collected during the study. Data were split into 80% training and 20% test sets. Five different machine learning models (DANets, KAN, KNN, MLP, SVM) were used. Model performance was evaluated using accuracy, weighted precision, recall, and F1-score. A mo
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: Autoimmune hepatitis (AIH) is an important indication for liver transplantation (LT), but recurrence affects over 30% of recipients, threatening long-term survival. Current strategies to prevent recurrence and progressive graft fibrosis remain suboptimal, with limited evidence to guide selection of immunosuppressive regimens. We aimed to develop a dynamic, individualized, artificial intelligence-powered model for post-transplant recurrent AIH.
METHODS: We conducted a multicenter, retrospective cohort study of 706 patients who underwent LT for AIH between January 1987 and June 2020
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.
BACKGROUND: Pleural infection requires early identification of individuals who are unlikely to respond to antibiotic therapy and may require drainage. Although several algorithms-Light's classification, the American College of Chest Physicians (ACCP) consensus statement, and the British Thoracic Society (BTS) 2003 and 2023 guidelines-are available, their predictive performance remains uncertain.
METHODS: This retrospective diagnostic accuracy study analyzed individuals with pleural infection treated at two municipal hospitals between 2017 and 2023. Missing data were handled using multiple imp
СтатьяСравнительное 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.
Alzheimer's disease (AD) is a progressive neurodegenerative disorder and the leading cause of dementia globally. Early prediction, prior to the onset of symptoms, is critical for enabling timely interventions. We present a machine learning framework that predicts future AD conversion in cognitively normal (CN) individuals using only structural magnetic resonance imaging (MRI) data. The approach leverages transfer learning with a pre-trained VGG16 model for feature extraction and processes five representative 2D slices per brain MRI scan to generate compact imaging descriptors. These features a
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.
Ketamine has demonstrated rapid antidepressant efficacy in treatment-resistant depression (TRD), but clinical decision-making is challenging due to variability in individual response. Current trial-and-error prescribing practices may expose patients to ineffective treatment and avoidable adverse effects, underscoring the need for reliable predictive tools to optimize treatment selection and support personalized, evidence-based care. We developed a machine-learning model (support vector classifier) to predict antidepressant response to ketamine using pre-treatment structural MRI data. The model
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.
IMPORTANCE: Glossectomy and reconstruction for tongue tumors carries substantial risk of postoperative morbidity, yet current tools offer limited individualized risk stratification.
OBJECTIVE: To develop and validate machine learning (ML) models to predict major 30-day postoperative complications after glossectomy and to compare performance with the American College of Surgeons National Surgical Quality Improvement Program (ACS-NSQIP) risk calculator.
DESIGN, SETTING, AND PARTICIPANTS: This retrospective cohort study used 2008-2024 data from the ACS-NSQIP database, comprising more than 700 h
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.
OBJECTIVES: Loss to follow-up (LTFU) among people living with HIV (PLHIV) remains a major barrier to epidemic control. This study developed machine learning (ML) models to forecast individual risk of LTFU using routine electronic medical record (EMR) data.
METHODS: We analyzed data from Haiti's national EMR database, with 115,822 PLHIV receiving antiretroviral therapy (ART) across 167 health facilities from 2018 to 2024. We trained four ML models, including demographic, clinical, and institutional predictors for LTFU. Model performance was assessed across four quarters using F2-score, recall,
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: Mycetoma is a chronic tropical infection with limited tools for predicting treatment outcomes.
METHODS: Routinely collected demographic, clinical, imaging, etiological, treatment, and follow-up data from 1,084 patients at the Mycetoma Research Centre were used to evaluate supervised machine learning models for outcome prediction. Binary and three-class tasks (cured, recurrence, disability) were assessed using stratified five-fold cross-validation with preprocessing, imputation, scaling, and class balancing. Logistic regression, support vector machine, and random forest models were
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.
Acute Type A Aortic Dissection (TAAD) is a life-threatening cardiovascular emergency, and early identification of high-risk patients for rupture is critical for optimizing surgical resource allocation. Existing studies predominantly focus on postoperative mortality prediction, lacking tools for in-hospital rupture risk assessment upon admission, with limitations including small sample sizes, feature redundancy, and single-algorithm bias. This study proposes an innovative framework integrating Boruta feature selection, Conditional Tabular Generative Adversarial Network (CTGAN) for data augmenta
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.
IMPORTANCE: Artificial intelligence models that predict same-admission outcomes for hospitalized patients, such as inpatient mortality, often rely on International Classification of Diseases (ICD) diagnostic codes, even when these codes are not finalized until after discharge.
OBJECTIVE: To investigate the extent to which the inclusion of ICD codes as features in predictive models are associated with inflated performance metrics via label leakage (eg, including the code for cardiac arrest into an inpatient mortality prediction model) and assess the prevalence and implications of this practice
СтатьяПоддержка NIH: внешняя программаПоиск 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: Prolonged postoperative length of stay (p-LOS) in lung cancer patients is associated with poorer prognosis and increased healthcare burden, highlighting the need for early identification of high risk individuals. This study aimed to develop and validate a machine learning model to predict p-LOS in patients undergoing day surgery for lung cancer.
METHODS: A retrospective analysis was conducted on 1009 patients who underwent day surgery for lung cancer. Prolonged p-LOS was defined as hospitalization exceeding 48 hours. Feature selection was performed using Lasso regression, and pred
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.
During the COVID-19 pandemic, the field of infectious disease modeling advanced rapidly, with forecasting tools developed to track trends in transmission dynamics and anticipate potential shortages of critical resources such as hospital capacity. In this study, we compared short-term forecasting approaches for COVID-19 hospital admissions that generate forecasts one to five weeks ahead, using retrospective electronic health records. We extracted different features (e.g., daily emergency department visits) from an individual-level patient dataset covering six hospitals located in the region of
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: Attenuated measles virus (MV) strains are promising agents currently being tested against solid tumors or hematologic malignancies in ongoing phase I and II clinical trials; factors determining oncolytic virotherapy success remain poorly understood, however.
METHODS: We performed RNA sequencing and gene set enrichment analysis to identify pathways differentially activated in MV-resistant (n = 3) and -permissive (n = 2) tumors derived from resected human glioblastoma (GBM) specimens and propagated as xenografts (PDX). Using a unique gene signature we identified, we generated a diag
Клиническое исследование I фазыКлиническое исследование II фазыСтатьяПоддержка NIH: внешняя программаПоддержка 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.
Artificial intelligence (AI) has demonstrated remarkable potential in reshaping modern drug discovery, yet its widespread adoption is hindered by fragmented tools, high technical barriers, and the lack of user-friendly interfaces. Here, we present WeMol, an AI-driven one-stop molecular computing platform designed to streamline early-stage drug discovery. WeMol integrates a series of modules, covering molecular similarity search, structure-based and AI-enhanced docking, ADMET prediction, molecular generation, and molecular dynamics simulations. The platform features a zero-code, cloud-based int
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