PURPOSE: This study developed and validated algorithms to identify the incidence of endometrial cancer using ICD-9-CM and ICD-10-CM coding systems as part of a post-authorization safety study (EU PAS: EUPAS45602) of vaginal estrogen, estrogen and progestin combination hormone therapy, and non-users of vaginal estrogen.
METHODS: Using national claims data in the HealthCare Integrated Research Database, provisional endometrial cancer cases were identified using a screening algorithm comprising at least one endometrial cancer diagnosis code at any location and position between January 1, 2007 an
СтатьяВалидационное исследованиеПолный 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.
Glaucoma is a chronic neurodegenerative disease of the visual system, and treatment is targeted toward lowering intraocular pressure. However, some patients fail to respond to treatment and their intraocular pressure levels remain high, risking continuous vision loss. Explainable machine learning provides a mechanism for both individual prognostication and the identification of factors associated with treatment outcome. Here, we used explainable machine learning to predict intraocular pressure for glaucoma patients receiving medication treatment. We accessed the UK Biobank to obtain informatio
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: Dropout from psychotherapy for major depressive disorder (MDD) undermines treatment effectiveness for both patients and clinicians. Early identification of individuals at risk of discontinuation is therefore essential. Machine learning methods, particularly those incorporating resampling techniques to address imbalanced clinical data, may offer improved predictive capacity. This study evaluates several machine-learning approaches to determine their potential in identifying patients at elevated risk of dropout.
METHODS: Data were drawn from a randomised controlled trial of outpat
СтатьяРандомизированное 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.
Machine learning is a powerful tool for modeling complex movements. However, the high cost of acquiring biomechanical data often limits observations and therefore the generalizability of machine learning models. Meanwhile, there is untapped utility in presently published musculoskeletal simulations for informing these predictions. This work evaluated whether a transfer learning model trained on both musculoskeletal simulation and recorded data outperforms a direct learning model trained on recorded experimental data alone. For the transfer learning model, we leveraged a simulation dataset with
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: To develop and validate an interpretable machine learning (ML) model for early prediction of peri-implant mucositis (PIM).
MATERIAL AND METHODS: This retrospective study enrolled patients receiving dental implants between October 2011 to June 2023 in our cohort to develop a ML-based model. External testing was subsequently performed utilizing datasets from two other hospitals. The least absolute shrinkage and selection operator (LASSO) was utilized for feature selection. Six ML algorithms were applied to analyze and identify the optimal model. Shapley Additive exPlanations (SHAP)
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: Peripherally inserted central catheters (PICCs) are widely used vascular access devices in intensive care, yet thrombotic complications remain a significant clinical concern. Traditional risk assessment tools fail to capture the complex, non-linear interactions among thrombosis risk factors in critically ill patients.
METHODS: This retrospective cohort study, conducted in adherence to TRIPOD + AI guidelines, developed and compared five machine learning models for predicting PICC-associated thrombotic complications using data from the Medical Information Mart for Intensive Care IV
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: To better meet the therapeutic demand in pediatric epilepsy patients (PEPs) receiving combined valproic acid (VPA) and levetiracetam (LEV) (therapeutic ranges: VPA 50–100 μg/mL; LEV 6–20 μg/mL.), We developed a dual-predictive machine learning (ML) model that integrates concentration monitoring with dose recommendation capabilities, serving as an adjunct tool for therapeutic drug monitoring (TDM). METHODS: A retrospectively collected dataset comprising 497 paired concentration samples from 402 PEPs was used to train (i) classification models that predict adequacy of VPA and LEV con
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.
Behçet's disease (BD) in childhood is characterised by recurrent inflammatory flares that can result in significant morbidity, most notably with ocular, mucocutaneous, and musculoskeletal manifestations. Timely detection of impending flares is difficult in routine practice, and digital health technologies coupled with patient-reported symptom diaries have been proposed as a candidate route to real-time disease surveillance. As a first methodological step before any prospective evaluation in real patients, we set out to demonstrate that a diary-based machine learning (ML) pipeline can recover 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.
Early prediction of neurodevelopmental (ND) impairment in neonates with hypoxic-ischemic encephalopathy (HIE) is essential for timely intervention, particularly in infants treated with therapeutic hypothermia (TH). We developed an Extreme Gradient Boosting-based prediction model using neonatal brain magnetic resonance imaging volumetrics and clinical features in 89 full-term HIE infants treated with TH. ND impairment was defined as a Bayley-III composite score <85 at 18 to 24 months. Model performance was evaluated using stratified 5-fold cross-validation, and interpretability was assessed usi
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: Breast cancer is the leading cause of cancer-related death in women, with mortality increasing when tumor cells spread to nearby lymph nodes, particularly the axillary lymph nodes (ALNs). Although several studies predict patients with ALN metastasis at diagnosis (pdALN+), few examine the prognostic value of immune elements within ALNs. Given the impact of immune response on breast cancer, this study develops a machine learning model to identify the clinicopathological and immune features of the primary tumor and non-metastatic ALNs (ALN-) most frequently associated with pdALN+.
ME
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.
Neurodegenerative diseases, such as Mild Cognitive Impairment (MCI) and Alzheimer's, pose significant challenges due to their progressive nature and late diagnosis. Early detection remains difficult, particularly when using conventional machine learning approaches that fail to capture complex spatial and temporal patterns in multimodal clinical data. Motivated by the need for accurate, scalable, and clinically applicable diagnostic tools, this study proposes a hybrid deep learning framework combining Convolutional Neural Networks (CNN) with Optimized Spatial-Temporal Bidirectional Gated LSTM (
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: Major depressive disorder (MDD) is associated with high relapse rates, with around 20% of inpatients experiencing readmission within 90 days after discharge. Routinely collected clinical information may help identify individuals at higher risk of readmission. Machine learning (ML) models could complement more traditional statistical approaches by exploring complex relationships among multiple vulnerability factors.
METHODS: The DEEP READ study is a prospective, multicentre cohort study conducted across 13 Italian provinces, enrolling adults aged 18-65 years with a DSM-5-TR MDD dia
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: The histological differentiation of Non-Small Cell Lung Cancer (NSCLC) is a critical prognostic factor that influences therapeutic strategies and patient outcomes. However, conventional assessment methods relying on postoperative pathology or biopsy are invasive and limited by sampling bias. Therefore, it is of great clinical significance to develop a non-invasive, imaging-based approach for accurate preoperative differentiation evaluation.
METHODS: This retrospective study included 184 NSCLC patients with preoperative chest CT scans and confirmed pathological differentiation grad
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.
Preoperative risk stratification for radical prostatectomy is crucial, yet predicting the wide range of postoperative outcomes remains a significant challenge. While machine learning (ML) shows promise, "black box" models limit clinical translatability. This study aimed to predict postoperative parameters using ML and employ explainable AI (XAI) to identify their key clinical drivers. In a retrospective study of 326 patients (224 robot-assisted [RARP], 102 open [ORP]), we developed predictive models for twelve outcomes, including length of stay and pathological ISUP grade. Four ML algorithms (
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.
Traditional experimental methods for determining antibiotic resistance phenotypes (ARPs) and minimum inhibitory concentrations (MICs) in bacteria are laborious and time consuming. This study aims to explore the potential of whole-genome sequencing data combined with machine learning models for robustly predicting ARPs and MICs in Salmonella. Using a training set of 6394 Salmonella genomes alongside antimicrobial susceptibility testing results, we built two machine learning (ML) predictive models based on the pan-genome and pan-resistome. Each model was implemented using three algorithms: rando
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: Accurate prediction of trends in infectious diseases is crucial for early public health actions, which are difficult to achieve in low-resource countries such as Bangladesh, where the healthcare system is significantly challenged. Although many researchers worldwide have utilized machine learning (ML) and deep learning (DL) models for making COVID-19 predictions, limited research has focused on context-specific ensemble forecasting approaches for Bangladesh, creating a gap in local epidemic modeling. This study aims to design a Weighted Ensemble forecasting model that combines the
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: Intraoperative acquired pressure injury (IAPI) represents a major risk in elderly cardiac surgery patients due to skin fragility and impaired perfusion. Reliable risk prediction is essential for prevention and personalized care. METHODS: Using data from 12,222 patients aged ≥60 years in the MIMIC-IV database, we developed machine learning models with 24 clinically relevant features. Seven classifiers were trained and integrated via a stacking ensemble. Internal evaluation employed stratified fivefold cross-validation with 10 repetitions and bootstrapped confidence intervals (2,000
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.
AIMS: To develop and evaluate machine learning models for predicting new caries development in children using clinical and behavioral variables, and to identify the most influential predictors contributing to caries risk.
MATERIALS AND METHODOLOGY: A dataset of 200 preschool children was generated, including variables such as age, sugar intake frequency, baseline dmft, fluoride exposure, mutans streptococci levels, socioeconomic status, oral hygiene, and previous caries. Logistic Regression and Random Forest models were trained and tested using an 80:20 split. Model performance was assessed u
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: To assess the long-term outcome in patients with Idiopathic Inflammatory Myopathies (IIM), focusing on damage and activity disease indexes using artificial intelligence (AI).
BACKGROUND: IIM are a group of rare diseases characterized by involvement of different organs in addition to the musculoskeletal. Machine Learning analyses large amounts of information, using different algorithms, decision-making processes and self-learning neural networks.
METHODS: We evaluate the long-term outcome of 103 patients with IIM, diagnosed on 2017 EULAR/ACR criteria. We considered different parame
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.
UNLABELLED: Artificial Intelligence is creating a paradigm shift in health care, with phenotyping patients through clustering techniques being one of the areas of interest.
OBJECTIVE: To develop a predictive model to classify heart failure (HF) patients according to their left ventricular ejection fraction (LVEF), by using available data from Electronic Health Records (EHR).
SUBJECTS AND METHODS: 2854 subjects over 25 years old with a diagnosis of HF and LVEF, measured by echocardiography, were selected to develop an algorithm to predict patients with reduced EF using supervised analysis. Th
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.
MedElevator
Войти в исследования