ACKGROUND: There is a need to operationalize existing clinical data to support precision medicine in progressive hearing loss (HL). By utilizing enlarged vestibular aqueduct (EVA) and its associated inner ear abnormalities as an exemplar, we model data from a large international cohort, confirm prognostic factors for HL, and explore the potential to generate a prediction model to optimize current management paradigms.
METHODS: An international retrospective cohort study. Regression analyses were utilized to model frequency-specific HL and identify prognostic factors for baseline average HL se
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.
Early and reliable prediction of shunt-dependent hydrocephalus (SDHC) after aneurysmal subarachnoid hemorrhage (aSAH) may decrease the duration of in-hospital stay and reduce the risk of catheter-associated meningitis. Machine learning (ML) may improve predictions of SDHC in comparison to traditional non-ML methods. ML models were trained for CHESS and SDASH and two combined individual feature sets with clinical, radiographic, and laboratory variables. Seven different algorithms were used including three types of generalized linear models (GLM) as well as a tree boosting (CatBoost) algorithm,
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 explore dermatomyositis signature genes as potential biomarkers of hepatocellular carcinoma and their associated molecular regulatory mechanisms.
METHODS: Based on the mRNA-Seq data of dermatomyositis and hepatocellular carcinoma in public databases, five dermatomyositis signature genes were screened by LASSO regression analysis and support vector machine (SVM) algorithm, and their biological functions in dermatomyositis with hepatocellular carcinoma were investigated, and a nomogram risk prediction model for hepatocellular carcinoma was constructed and its predictive efficiency
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 prognostic value of 18F-Fluorodeoxyglucose positron emission tomography/computed tomography (FDG-PET/CT) at baseline or the predictive value of minimal residual disease (MRD) detection appear as potential tools to improve mantle cell lymphoma (MCL) patients' management. The LyMa-101, a phase 2 trial of the LYSA group (ClinicalTrials.gov:NCT02896582) reported induction therapy with obinutuzumab, a CD20 monoclonal antibody. Herein, we investigated the added prognostic value of radiomic features (RF) derived from FDG-PET/CT at diagnosis for MRD value prediction. FDG-PET/CT of 59 MCL patients
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.
OBJECTIVE: This study aims to construct an artificial intelligence (AI) model capable of effectively discriminating between abdominal Henoch-Schönlein purpura (AHSP) and acute appendicitis (AA) in pediatric patients.
METHODS: A total of 6965 participants, comprising 2201 individuals with AHSP and 4764 patients with AA, were enrolled in the study. Additionally, 53 laboratory indicators were taken into consideration. Five distinct artificial intelligence (AI) models were developed employing machine learning algorithms, namely XGBoost, AdaBoost, Gaussian Naïve Bayes (GNB), MLPClassifier (MLP), a
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 purpose: Prediction of postoperative outcomes and length of hospital stay (LOS) of patients is vital for allocation of healthcare resources. We investigated the performance of prediction models based on machinelearning algorithms compared with a previous risk stratification model using traditional multiple logistic regression, for predicting the risk of a LOS of > 2 days after fast-track total hip and knee replacement. Patients and methods: 3 different machine learning classifiers were trained on data from the Lundbeck Centre for Fast-track Hip and Knee Replacement Database (LCD
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.
MOTIVATION: Knowing the sensitivity of a viral strain versus a monoclonal antibody is of interest for HIV vaccine development and therapy. The HIV strains vary in their resistance to antibodies, and the accurate prediction of virus-antibody sensitivity can be used to find potent antibody combinations that broadly neutralize multiple and diverse HIV strains. Sensitivity prediction can be combined with other methods such as generative algorithms to design novel antibodies in silico or with feature selection to uncover the sites of interest in the sequence. However, these tools are limited in the
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.
INTRODUCTION: Greater awareness of the relationship between co-morbidities and fracture risk may improve fracture-prediction algorithms such as FRAX.
MATERIALS AND METHODS: We used a large, multinational cohort study (GLOW) to investigate the effect of co-morbidities on fracture risk. Women completed a baseline questionnaire detailing past medical history, including co-morbidity history and fracture. They were re-contacted annually to determine incident clinical fractures. A co-morbidity index, defined as number of baseline co-morbidities, was derived. The effect of adding the co-morbidity in…
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.
OBJECTIVE: The clinical decision-making utility of scoring algorithms for predicting mortality after ruptured abdominal aortic aneurysms (rAAAs) remains unknown. We sought to determine the clinical utility of the algorithms compared with our clinical decision making and outcomes for management of rAAA during a 10-year period.
METHODS: Patients admitted with a diagnosis rAAA at a large university hospital were identified from 2005 to 2014. The Glasgow Aneurysm Score, Hardman Index, Vancouver Score, Edinburgh Ruptured Aneurysm Score, University of Washington Ruptured Aneurysm Score, Vascular St
Сравнительное исследованиеСтатьяПоиск 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: Early miscarriage is a common complication following assisted reproductive technology (ART), affecting 20-30% of conceptions and creating challenges for patient counseling and treatment planning. Accurate prediction remains difficult because of the multifactorial nature of miscarriage and variability in ART outcomes. Machine learning (ML) offers promising opportunities for individualized risk assessment.
OBJECTIVE: This study aimed to develop an ML-based framework for early prediction of chemical miscarriage in infertile women undergoing ART using only pre-treatment baseline clini
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.
AIM: Temporal drift, defined as changes over time in underlying data distributions, can degrade the performance of clinical prediction models. In head and neck cancer (HNC) radiotherapy, evolving proton and carbon ion therapies may shift the risk of oral mucositis over time. This study aimed to compare machine learning (ML) strategies for mitigating temporal drift in predicting grade ≥2 oral mucositis among patients treated with particle therapy.
METHODS: This retrospective cohort included 1751 adults with HNC treated with particle therapy between May 2015 and December 2022 at a single proton
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 study explored factors and models to predict post-dialysis volume overload status in maintenance hemodialysis patients (MHD) based on pre-dialysis parameters using machine learning.
MATERIALS AND METHODS: Pre-dialysis clinical data, pre- and post-dialysis bioimpedance spectroscopy, and the ultrasound (US) assessment for the lung were involved. Intergroup comparisons, regression analysis, and the least absolute shrinkage and selection operator (LASSO) regularization algorithm were conducted to screen potential predictive factors. Seven machine learning algorithms (Random Forest
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: Abdominal donor site complications remain significant concerns in Deep Inferior Epigastric Perforator (DIEP) flap breast reconstruction. In this study, we pair computed tomography (CT) morphometric analysis of the abdominal wall with machine learning approaches to identify features of the abdomen that signal increased risk for donor site complications.
METHODS: Morphometric analysis of the abdominal wall was conducted on pre-operative abdominal CT scans from 107 patients who underwent DIEP flap breast reconstruction by a single surgeon (TMM). Standard statistical approaches were u
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.
Accurate prediction of NMR chemical shifts in transition metal complexes remains challenging due to the wide range of coordination environments and complex electronic structures of these systems. In this work, we present a machine learning approach (ML) for rapid and accurate prediction of 1 H $$ {}^1\mathrm{H} $$ NMR shifts in zinc complexes across multiple solvent environments. We systematically selected a diverse set of zinc complexes from the transition metal quantum mechanics (tmQM) database using K-means clustering on SOAP descriptors, and performed DFT NMR calculations across five
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.
Topoisomerase I (TOP1) is a crucial anticancer target, but the development of traditional TOP1 inhibitors suffers from long research cycles, high costs, and low success rates. Existing artificial intelligence (AI)-driven studies lack systematic comparisons of molecular fingerprints and algorithms, as well as user-friendly predictive application tools. To address these gaps, this study retrieved TOP1 inhibitor activity data from the ChEMBL database, integrated five types of molecular fingerprints (AtomPairs, MACCS, Morgan, PharmacoPFP, and RDKitDes), and constructed and compared classical machi
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.
ЦЕЛЬ: Мы стремились к разработке системы прогнозирования выживания, объединяющей радиомикулы и клинические характеристики недавно диагностированной миеломы (ММ) и сопоставлению эффективности различных наборов характеристик и алгоритмов в раннем прогнозировании без прогрессии выживания (ПФС). МАТЕРИАЛЫ И МЕТОДЫ: Это исследование ретроспективно включало 300 Пациенты ММ в период с июня 2022 и июнь 2024, с их фоновой позитронной томографией, вычисленной томографией и магнитно-резонансными радиомагнитными характеристиками и клиническими переменными. После построения оценки рисков на основе радиомик
Полный текст найденМашинный перевод · не проверен
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.
Delirium is a common and severe complication of sepsis in critically ill patients and is associated with increased mortality and prolonged hospitalization. Early identification of high-risk individuals remains challenging, particularly among non-mechanically ventilated patients who are less frequently represented in prediction studies. Using routinely collected electronic health record data, we performed a retrospective multicenter study to establish and validate an early prediction model for delirium in non-mechanically ventilated adults with sepsis. Patients from the MIMIC-IV database were u
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: Parkinson's Disease (PD) is a chronic, progressive neurological disorder with significant clinical and economic impacts globally. Early and accurate prediction remains challenging with traditional diagnostic methods due to subjectivity, delayed diagnosis, and variability. Machine Learning (ML) approaches offer potential solutions, yet their clinical adoption is hindered by limited interpretability. This study aimed to develop an interpretable ML model for early and accurate PD prediction using comprehensive multimodal datasets and Explainable Artificial Intelligence (XAI) technique
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.
Metabolites are small molecules produced during organism metabolism, with their abnormal concentrations closely linked to the onset and progression of various diseases. Accurate prediction of metabolite-disease associations is crucial for early diagnosis, mechanistic exploration, and treatment optimization. However, existing algorithms often overlook the integration of node features and neglect the impact of different hop domains on nodes in the processing of heterogeneous graphs. Furthermore, current methods solely rely on random sampling for selecting negative samples without considering the
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.
AIM: This study aimed to assess and compare the performance of nomograms and machine learning (ML) techniques using preoperative biomarkers for predicting side-specific extraprostatic extension (EPE) in prostate cancer, which is linked to poor outcomes and early recurrence. Accurate preoperative prediction can guide clinical decisions and improve treatment.
MATERIALS AND METHODS: A retrospective analysis was conducted using data from 108 prostate cancer patients undergoing radical prostatectomy. Clinical, imaging, and genomic data were collected, including PSA density, ISUP biopsy grade, frac
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.
MedElevator
Войти в исследования