Parkinson's disease (PD) is a common neurological disorder that can severely affect the patient's quality of life. The Archimedean spiral drawing test is a widely used diagnostic tool for PD detection. Given the advancements in computer vision techniques, deep learning approaches have been widely adopted for detecting PD from spiral drawing images, achieving promising performance. However, they often lack the explainability required in clinical settings. In this study, we designed an explainable machine learning approach to support PD diagnosis from spiral drawing images, using a set of featur
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 human-centered design approach has gained prominence in the development of mobile health solutions. However, its application to support foot self-care for persons with diabetes has not been extensively explored. This study aims to develop a mobile application prototype using a human-centered design approach to support foot self-care for persons with type 2 diabetes. The project used mixed methods, including a scoping review, patient interviews, a Delphi panel, and an acceptability and usability study of an educational booklet. This three-phase approach encompassed defining the context of u
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.
Large language models (LLMs) show promise in clinical applications but face accuracy limitations in disease risk prediction, especially for rare conditions. We evaluated ChatGPT and DeepSeek against task-specific models for cholangiocarcinoma (rare) and myocardial infarction (common) prediction. Standalone LLMs underperformed specialized models, whereas collaborative prediction improved performance. Our findings suggest hybrid architectures leveraging complementary strengths of both approaches represent a promising direction for clinical AI deployment.
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.
OBJECTIVES: Social determinants of health (SDOH) may improve Alzheimer's disease (AD) risk prediction by capturing upstream contextual risk beyond routinely measured clinical variables. We aimed to develop and validate an accurate, interpretable machine-learning pipeline for AD risk prediction in UK Biobank using routinely collected data.
METHODS: Using data from 13 076 participants in the UK Biobank, we developed an automated machine-learning pipeline for AD risk prediction with feature selection and a C5.0 boosted-tree classifier. Data were split into training, development and test sets (7:
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.
Alzheimer's disease and related dementias (ADRD) remain underdiagnosed early due to reliance on costly, invasive, and time-intensive assessments, prompting development of the Memory Sync Booth, an AI-assisted walk-in screening tool for older adults. The booth delivers accessible, automated, and secure tablet-based evaluations which include orientation, attention, naming, picture description, voice analysis, and clock drawing, then processed using NLP, speech recognition, and computer vision for consistent scoring. Grounded in Responsible AI and Digital Health Innovation, it enables equitable d
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.
Postpartum depression (PPD) affects nearly one in five mothers, yet many cases remain undetected. This study demonstrates the value of a leakage-resistant, rigorously designed machine learning pipeline for early prediction using psychosocial data from 1,430 women during pregnancy. Concept-level feature harmonization addressed data artifacts, while repeated group-aware cross-validation, calibration, and recall-oriented thresholding ensured robust evaluation. Class imbalance was handled using weighting and SMOTE. Models showed strong performance (ROC-AUC: 0.762-0.801; PR-AUC: 0.400-0.490), with
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 cross-sectional study examined the relationships among social isolation, social capitals, and QoL among older adults in Northeastern Thailand during the COVID-19 pandemic. A multi-stage stratified random sampling were used to selected a total of 1,015 adults aged ≥60 years from Health Regions 7-10. Data were collected through structured interviews using standardized instruments. A Generalized Linear Mixed Model (GLMM) was applied to identify factors associated with good QoL. The results showed that only 36.3% of participants reported good QoL. Factors significantly associated with good Qo
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.
Individual's vaccination behaviors are influenced by factors such as values and beliefs. Applying latent class analysis (LCA) to such factors from the Longitudinal Internet Studies for the Social Sciences (LISS) panel[1], Matthijssen et al.[2] identified 12 distinct COVID-19 vaccination decision-making profiles in a sample of 2,567 Dutch adults. However, the extent to which membership in these profiles can be predicted using sociodemographic administrative data remains unknown. We assessed that by linking survey data to administrative records from the Statistics Netherlands (CBS) database and
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.
PURPOSE: Eastern Cooperative Oncology Group (ECOG) performance status is critical for cancer patient management, yet it is often documented only in unstructured clinical notes. This study compares several approaches to extract ECOG status from oncology notes, focusing on advanced prompting techniques for large language models (LLMs).
METHODS: We evaluated four ECOG extraction approaches on unstructured clinical notes from patients with non-small cell lung cancer, multiple myeloma, or ovarian cancer (2017-2021). The approaches were a rule-based natural language processing algorithm, simple LLM
СтатьяСравнительное исследованиеПоддержка 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.
BACKGROUND: Patients with acute respiratory distress syndrome (ARDS) often develop stress-induced hyperglycemia, and glycemic variability is associated with adverse outcomes. Traditional static glycemic indicators cannot capture dynamic glucose changes, and current ARDS prognostic models lack integration of dynamic glycemic trajectories, leading to insufficient precision in early risk stratification. This study aimed to investigate the association between early glycemic trajectory and 30-day mortality in ARDS patients, while constructing and validating a prognostic prediction model integrating
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.
CONTEXT: Post-traumatic stress disorder (PTSD) is mainly assessed through self-reports and clinician interviews, which can delay recognition and limit reach. Biometric markers captured using digital technologies may enable earlier and more objective detections.
PURPOSE: To map biometric modalities used for PTSD detection in digital health, identify underused markers, characterise machine learning (ML)/artificial intelligence (AI) approaches, and assess sex-related analyses.
METHODS: Guided by PRISMA-ScR, a protocol on the Open Science Framework was pre-registered and searches in PubMed, IEEE
СтатьяScoping ReviewПолный 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.
Large-scale chest X-ray report datasets are widely used to train multimodal models for medical report generation. However, these datasets often contain longitudinal or comparative expressions that implicitly refer to prior examinations. When the corresponding prior images are unavailable, such references create dataset-level inconsistencies and may propagate non-self-contained language patterns to downstream models. To improve report self-containment, this study develops an automated, data quality-oriented preprocessing pipeline that rewrites radiology reports at the sentence level to reduce e
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 aims to evaluate the effectiveness of video radiology reports (VRR) combined with traditional text reporting in lower extremity venous insufficiency, comparing patient and clinician perceptions. This prospective, descriptive study included 61 consecutive patients (43 women, 18 men; mean age: 43.1 years) undergoing Venous Doppler Ultrasonography. In addition to written reports, patients and clinicians received VRRs featuring audio-narrated dynamic ultrasound findings (e.g., reflux, diameter). Impact on communication, perceived diagnostic efficiency, and anxiety was measured using 5-p
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 aims to validate the performance of artificial intelligence (AI)-based non-gated chest computed tomography (CT) for quantification and risk stratification of coronary artery calcification across multiple CT scanners. Patients who underwent both coronary computed tomography angiography (CCTA) and non-gated plain chest CT within one month were retrospectively enrolled. With the electrocardiogram (ECG)-gated coronary artery calcification measurement results as the gold standard, the coronary artery calcification volume, equivalent mass, and calcification score derived from non-gated ch
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.
Presence of intravenous contrast on computed tomography (CT) scans is often unreliably documented, especially in large research datasets. FALCON is an open-access fully automated deep learning model enabling large-scale intravenous contrast detection and body part classification for CT scans of the head and neck (HN), chest, abdomen, and pelvis (AP). This study used six independent datasets consisting of 3138 CT scans of the HN, chest, and AP of 3126 patients from five institutions between 1996 and 2023 to train and validate four CNN models for intravenous contrast detection and body part clas
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 purpose of the study is to investigate the potential of artificial intelligence (AI)-driven analysis of preoperative chest radiograph (CXR) for predicting postoperative outcome in patients with early-stage non-small cell lung cancer (NSCLC). We retrospectively enrolled 416 consecutive patients (mean age, 65.6 years ± 9.9; 197 men) who underwent curative surgical resection for pathological stage 1 NSCLC at two referral hospitals between March 2020 and February 2021. AI-driven preoperative CXR analysis was performed for the detection of four abnormalities. The lesion detectability on CXR by
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: Although there is a growing body of research indicating that Personal Robot/Social Robot could be used in various aspects of care for individuals with dementia, little is known about how well these types of interventions work in an actual hospital setting in Australia.
AIMS & OBJECTIVES: The objective of the present systematic review and meta-analysis is to assess the effectiveness of PARO-based socially assistive robotic intervention in terms of its effectiveness outcomes towards the reduction of dementia-related behavioural and psychological symptoms in Australian based healthca
СтатьяСистематический обзорМетаанализПоддержка 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.
Emergency Departments (ED) require rapid differentiation of time-sensitive critical conditions. We present a dynamic Clinical Decision Support System (CDSS) utilizing a Time-Aware Retrieval-Augmented Generation (RAG) framework. In a retrospective pilot study of 70 cases (Aortic Dissection, MI, Stroke, and Trauma Controls), the system's Top-1 diagnostic accuracy significantly improved from 69.5% (triage) to 86.7% (discharge). This validates the system's capability to integrate evolving FHIR data with clinical guidelines to reduce the diagnostic uncertainty.
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.
Although clustering is widely used to explore phenotypic heterogeneity in Parkinson's disease (PD), reported subtype solutions often show limited reproducibility. We investigated whether reducing the number of features or samples in a typical clinical PD dataset more strongly affects clustering stability. We used baseline PD data from the Parkinson's Progression Markers Initiative. We applied K-means, Gaussian mixture models (GMM), and DBSCAN under systematic feature and sample reduction (40 %, 60 %, 80 %, and 100 %). We assessed cluster stability using the Adjusted Rand Index (ARI) relative t
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: Parkinson's disease (PD) diagnosis remains largely subjective, relying on clinical symptom assessment. The convergence of machine learning (ML) with low-cost, widely available digital devices creates new opportunities for objective, scalable, and accessible PD screening and monitoring.
OBJECTIVES: This systematic literature review aims to examine ML approaches for PD detection, early diagnosis, severity assessment, and stage classification using four key data modalities: facial expressions, hand movements, speech and voice, and gait employing general-purpose, low-cost equipment.
СтатьяСистематический обзорПолный 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.
MedElevator
Войти в исследования