BACKGROUND: To develop and validate an ensemble machine learning ultrasound radiomics model for predicting drug resistance in lymph node tuberculosis (LNTB).
MATERIALS AND METHODS: This multicenter study retrospectively included 234 cervical LNTB patients from one center, randomly divided into training (70%) and internal validation (30%) cohorts. Radiomic features were extracted from ultrasound images, and an L1-based method was used for feature selection. A predictive model combining ensemble machine learning and AdaBoost algorithms was developed to predict drug resistance. Model performance
СтатьяМногоцентровое исследованиеВалидационное 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.
Fluorescence spectroscopy coupled with a random forest machine learning algorithm offers a promising non-invasive approach for diagnosing glycosuria, a condition characterized by excess sugar in the urine of diabetic patients. This study investigated the ability of this method to differentiate between diabetic and healthy control urine samples. Fluorescent spectra were captured from urine samples using a Xenon arc lamp emitting light within the 200 to 950 nm wavelength range, with consistent fluorescence emission observed at 450 nm under an excitation wavelength of 370 nm. Healthy control samp
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: Previous studies have developed the Migraine Aura Complexity Score (MACS) system. MACS shows great potential in studying the complexity of migraine with aura (MwA) pathophysiology especially when implemented in neuroimaging studies. The use of sophisticated machine learning (ML) algorithms, together with deep profiling of MwA, could bring new knowledge in this field. We aimed to test several ML algorithms to study the potential of structural cortical features for predicting the MACS and therefore gain a better insight into MwA pathophysiology.
METHODS: The data set used in this re
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 focuses on meeting end-users' demand for cassava (Manihot esculenta Crantz) varieties with low cyanogenic potential (hydrogen cyanide potential [HCN]) by using near-infrared spectrometry (NIRS). This technology provides a fast, accurate, and reliable way to determine sample constituents with minimal sample preparation. The study aims to evaluate the effectiveness of machine learning (ML) algorithms such as logistic regression (LR), support vector machine (SVM), and partial least squares discriminant analysis (PLS-DA) in distinguishing between low and high HCN accessions. Low HCN acc
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.
Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver2022eng
The use of artificial intelligence is rapidly increasing in medicine to support clinical decision making mostly through diagnostic and prediction models. Such models derive from huge databases (big data) including a large variety of health-related individual patient data (input) and the corresponding diagnosis and/or outcome (labels). Various types of algorithms (e.g. neural networks) based on powerful computational ability (machine), allow to detect the relationship between input and labels (learning). More complex algorithms, like recurrent neural network can learn from previous as well as a
СтатьяОбзорПоиск 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.
Biliary tract cancers (BTCs), which include cholangiocarcinoma (CCA) and gallbladder cancer (GBC), are heterogenous malignancies characterized by distinct molecular features often associated with specific clinical traits and/or outcomes. Such complex molecular heterogeneity, both within each BTC subtype and between distinct subtypes, poses a great challenge to personalized medicine. Recent technological advances have allowed the integration of multiple -omics derived from large cohorts of patients with distinct solid cancers to ultimately design stratification algorithms for prognostic predict
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.
The use of first trimester screening to detect aneuploidy has become an integral part of prenatal care. The application of similar screening algorithms to identify women at the highest risk for other adverse pregnancy outcomes in the first trimester could potentially have a major clinical impact. There has been much investigation into the ability to identify patients early in pregnancy at high risk for adverse pregnancy outcomes who may benefit from further surveillance and/or intervention. For this to be the case, however, as is true of any useful screening test, effective interventions need
СтатьяОбзорПоиск 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: The high variability in the pharmacokinetics of tigecycline may impact therapeutic efficacy, particularly in critically ill patients. This study introduces machine learning (ML) methods, aiming to clarify their effectiveness in individualized drug exposure prediction and determine the optimal modeling strategy.
METHODS: The least absolute shrinkage and selection operator (LASSO) method was used to screen the covariates. Four ML models, random forest, extreme gradient boosting, multilayer perceptron, and long short-term memory network (LSTM), were trained and tested using 751 conce
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.
OBJECTIVE: To evaluate the outcome-specific incremental value of longitudinal clinical history and model complexity for annual dynamic prediction of multiple type 2 diabetes-related outcomes using pooled landmarking.
METHODS: We included 646 patients with complete annual records from baseline through year 3. Landmark times at years 1 and 2 were used to predict the first recorded occurrence of hypertension, coronary heart disease, diabetic kidney disease, diabetic retinopathy, or metabolic dysfunction-associated steatotic liver disease during the subsequent year. Four progressively expanded fe
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 AND AIM: Current guidelines state that Systematic Coronary Risk Evaluation 2 (SCORE2) risk algorithms should not be used among persons under lipid-lowering therapy. This study investigated, among dyslipidemia-treated individuals, the effect of lipid-lowering treatment on SCORE2 calculation and on its performance in detecting high-risk individuals METHODS AND RESULTS: Analysis included middle-aged individuals (n = 417), treated for dyslipidemia, without established cardiovascular disease, diabetes and/or chronic kidney disease, recruited from screening programs in the community [mean
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: Intraoperative blood loss (IBL) is a critical precipitating factor of intraoperative and postoperative complications. This study aims to identify risk factors and employ machine learning (ML) techniques to develop models for predicting IBL in patients undergo retroperitoneal laparoscopic adrenalectomy (RLA).
METHODS: A retrospective study was performed with data from patients who underwent unilateral RLA at Beijing Anzhen Hospital from 2014 to 2021. The data were randomly divided into training and validation sets. A volume ≥ 100 ml was defined as high IBL. Model training incorporat
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 prediction of compound bioactivity is essential for accelerating antiviral drug discovery and reducing experimental costs. Machine learning (ML) methods have shown considerable promise in modeling structure-activity relationships and compound potency. In this study, we present an integrated ML framework for predicting IC50 and pIC50 values of compounds active against SARS-CoV-2, key indicators of antiviral potency. The proposed framework comprises three complementary approaches: (i) a regression model for quantitative IC50 prediction validated against experimental data; (ii) a classif
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.
BackgroundEarly diagnosis of dementia is essential for enabling timely interventions that may slow disease progression, improve patient outcomes, and reduce healthcare costs. This study aims to develop machine learning models to predict dementia risk using longitudinal electronic health record (EHR) data.ObjectiveThis research aims to develop and evaluate machine learning models for dementia risk prediction using longitudinal EHR data from routine clinical care and to identify key clinical features associated with elevated dementia risks.MethodsWe conducted an incidence-based case-control stud
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: Patients with invasive breast cancer (IBC) make up most breast cancer cases and exhibit significant heterogeneity. Therefore, it is essential to construct an effective model to estimate long-term postoperative breast cancer-specific survival (BCSS).
METHODS: We used data from the Surveillance, Epidemiology, and End Results (SEER) database during 2010-2020, alongside recruiting an external cohort from Guangxi Medical University Cancer Hospital (GMUCH). We constructed four prediction models (Random Survival Forest [RSF], Survival Gradient Boosting Machine [Survival-GBM], Survival Ex
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.
AIM OF THE STUDY: This study aimed to evaluate the performance of machine learning (ML) algorithms integrated with explainable artificial intelligence (XAI) techniques in predicting outcomes following flexible ureteroscopy (fURSL) in children. By identifying significant preoperative predictors, the goal was to improve individualized surgical risk assessment and planning.
MATERIALS AND METHODS: A retrospective analysis was conducted on 391 pediatric patients treated with fURSL for urolithiasis across 8 high-volume centers (2017-2021). Preoperative, intraoperative, and postoperative data were c
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: Falling has become a global public health problem. Individuals with arthritis have a higher risk of falling because of joint pain, poor muscle strength, and decreased proprioception; however, there is no all-inclusive risk assessment model for fall risks in the Chinese population based on multi-health data.
METHODS: This study utilized data from the China Health and Retirement Longitudinal Study (CHARLS) to develop a machine learning (ML)-based predictive model for fall risk among adults with arthritis. Multidimensional health data were integrated to identify key risk factors. Nin
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: Postoperative complications of mediastinal tumors significantly impact patients’ quality of life and long-term outcomes; however, a notable gap in the development of predictive tools for their occurrence remains. This study aimed to develop and validate a machine-learning model predicting thoracoscopic resection complications. METHODS: Patients who underwent thoracoscopic mediastinal tumor resection at Southwest Hospital (January 2014 to April 2024) were retrospectively enrolled (n = 302) and randomly divided into training (70%) and validation (30%) sets. An additional 21 patients
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: Obsessive Compulsive Disorder (OCD) is associated with an increased suicide risk in comparison with general population. Among the suicide risk factors we can highlight psychiatric comorbidities, childhood trauma, obsessive-compulsive severity and a combination of other risk factors related to social and family environment. This study aims to develop and validate a reliable machine learning algorithm to predict suicide risk in OCD patients, based on a combination of clinical and sociodemographic variables.
METHOD: A cohort of 199 OCD patients was followed for an average of 17.8 yea
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: Carpal tunnel syndrome (CTS) is the most common entrapment neuropathy of the hand. While carpal tunnel release surgery generally provides good outcomes, some patients continue to experience persistent paresthesia postoperatively. This study aimed to develop a machine learning-based prediction model for paresthesia improvement following carpal tunnel surgery.
METHODS: We retrospectively analyzed 94 hands from 83 patients who underwent carpal tunnel release surgery between April 2021 and March 2024. Paresthesia improvement was evaluated at 1-year follow-up using a 10-point scale, wi
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: Klebsiella pneumoniae liver abscess (KPLA) has a non-negligible risk of recurrence after treatment, imposing a substantial burden on affected patients and the global healthcare systems. To address this issue, we developed and validated a machine learning model that integrates patients' clinical data and laboratory indicators for early risk prediction of KPLA.
METHODS: This multicenter retrospective study included 829 KPLA patients from three tertiary hospitals (2016-2024). Data of 722 patients from the Affiliated Hospital of Chengde Medical University and Kailuan General Hospital w
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.
MedElevator
Войти в исследования