Pregnane X receptor (PXR), a nuclear receptor superfamily member, maintains bile acid homeostasis by regulating metabolic enzymes [e.g., cytochrome P450 3A4 (CYP3A4), uridine diphosphate glucuronosyltransferase 1A1 (UGT1A1)] and multidrug resistance protein 1 transporter, and alleviates liver/intestinal inflammation via inhibiting the nuclear factor kappa-B pathway, serving as a critical therapeutic target for cholestatic liver diseases and inflammatory bowel disease. In this study, we established a novel structure-based machine learning strategy to identify PXR agonists from a natural product
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.
This study addresses the critical issue of drug-induced torsades de pointes (TdP) risk assessment, a vital aspect of new drug development due to its association with arrhythmia and sudden cardiac death. Existing methodologies, particularly those reliant on a single biomarker derived from CiPA O'Hara-Rudy (CiPAORdv1.0) ventricular cell model without the hERG dynamic as input to the individual machine learning model, have limitations in capturing the complexity inherent in the comprehensive range of factors influencing drug-induced TdP risk. This study aims to overcome these limitations by propo
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.
BACKGROUND: Coronary artery disease is a critical public health issue. While traditional biomarkers like cardiac troponin show high sensitivity, their utility in unstable angina (UA) patients is limited. Recent research has identified novel biomarkers, including ceramides, which may correlate with atherosclerotic plaque stability and acute coronary syndrome (ACS) risk. This study aimed to develop a machine learning-based model to evaluate ceramide's diagnostic efficacy in patients with UA.
METHODS: We conducted a prospective study from April 2021 to August 2022 at two medical centers, compari
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: Metabolic dysfunction-associated steatotic liver disease (MASLD) is a global health concern that necessitates early screening and timely intervention to improve prognosis. The current diagnostic protocols for MASLD involve complex procedures in specialised medical centres. This study aimed to explore the feasibility of utilising machine learning models to accurately screen for MASLD in large populations based on a combination of essential demographic and clinical characteristics.
METHODS: A total of 10,007 outpatients who underwent transient elastography at the First Affiliated Ho
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 aims to develop and validate a machine learning-based risk prediction model for subsyndromal delirium (SSD) in ICU patients, while identifying key risk factors.
METHOD: This study was a prospective study, selecting patients who were hospitalized in the ICU from October 2024 to May 2025. We compared seven machine learning algorithms: Random Forest (RF), Decision Tree (DT), K-Nearest Neighbor (KNN), Logistic Regression (LR), Elastic Network (EN), Extreme Gradient Enhancement (XGB), and Support Vector Machine (SVM).
RESULT: In our study, the prevalence rate of SSD was 37.
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.
Depression is a major global public health concern, with physical inactivity recognized as a key modifiable risk factor. However, tools for predicting depression risk among physically inactive adults are limited. This study aimed to develop and validate a machine learning model for identifying current depression risk in this population. Data from 6801 physically inactive adults in NHANES 2005-2020 were analyzed. Depression was defined by a PHQ-9 score > 9. LASSO regression and multivariable logistic regression identified seven key predictors: sleep disorders, poverty income ratio, waist circum
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.
The monkeypox virus poses a novel public health risk that might quickly escalate into a worldwide epidemic. Machine learning (ML) has recently shown much promise in diagnosing diseases like cancer, finding tumor cells, and finding COVID-19 patients. In this study, we have created a dataset based on the data both collected and published by Global Health and used by the World Health Organization (WHO). Being entirely textual, this dataset shows the relationship between the symptoms and the monkeypox disease. The data have been analyzed, using gradient boosting methods such as Extreme Gradient Bo
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.
Mining the scientific literature, combined with data-driven methods, may assist in the identification of optimized catalysts. In this paper, we employed interpretable machine learning to discover ternary metal oxides capable of selective catalytic reduction of nitrogen oxides with ammonia (NH3-SCR). Specifically, we devised a machine learning framework utilizing extreme gradient boosting (XGB), identified for its optimal performance, and SHapley Additive exPlanations (SHAP) to evaluate a curated database of 5654 distinct metal oxide composite catalytic systems containing cerium (Ce) element, w
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: Venous thromboembolism (VTE) represents a common and severe comorbidity in lung cancer patients. This study aimed to characterize the clinical features and independent risk factors associated with VTE in these individuals, and to evaluate the complementary utility of machine learning approaches in enhancing VTE risk stratification.
METHODS: This retrospective study included lung cancer patients admitted to the Fourth Affiliated Hospital of Anhui Medical University between January 2018 and April 2025. According to imaging findings, patients were categorized into a VTE group and a c
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: Stroke survivors often experience impaired upper extremity motor function due to abnormal muscle synergies. This pilot study evaluated the feasibility and preliminary effectiveness of electromyography-guided human-machine interaction training designed to expand the repertoire of intermuscular coordination patterns and improve upper extremity motor function in chronic stroke survivors.
METHODS: Four chronic stroke survivors with mild-to-moderate upper extremity motor impairment and three age-matched healthy controls participated in a six-week electromyography-guided training interv
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.
AIM: The aim of this study was to compare machine learning and radiomics models across institutions for predicting hepatocellular carcinoma (HCC) pathological grade and evaluate model robustness and generalisability.
MATERIALS AND METHODS: This multicentre retrospective study enrolled 321 patients with pathologically confirmed HCC. Radiomics models were developed using pretreatment magnetic resonance imaging (MRI) sequences (arterial phase [AP], T2-weighted imaging [T2WI], diffusion-weighted imaging [DWI], and combined AP + T2WI + DWI). Manual volumetric segmentation was performed for all seq
Сравнительное исследованиеОценочное исследованиеСтатьяМногоцентровое 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.
Song et al. report a machine-learning framework based on the eXtreme Gradient Boosting (XGBoost) algorithm for predicting 1-year unplanned readmissions among elderly patients with coronary heart disease (CHD). This commentary examines critical limitations in the interpretability and methodological robustness of such models. Extensive prior work has demonstrated that tree‑based algorithms can exhibit structural biases in feature‑importance estimates, particularly when predictors display substantial collinearity or heterogeneous measurement scales. SHAP explanations, by inheriting these model‑em
Письмо в редакциюПоиск 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: To explore the effect of psoas muscle index (PMI) and construct a machine learning model to validate the 180-day prognosis in patients with decompensated liver cirrhosis. Methods: Retrospective data were collected from patients with decompensated liver cirrhosis at Henan Provincial People's Hospital from January 2022 to November 2022. The area of the psoas muscle index (PMI) at the level of the third lumbar vertebra was measured and calculated based on the abdominal X-ray computed tomography images stored in the Eastern China Hospital Information System (HIS). Patients were divided
Аннотация на английскомСтатьяПоиск 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.
Typhoon-induced extreme floods pose severe threats to subtropical watersheds, yet systematic integration of typhoon physics into machine learning flood prediction remains limited. This study developed a physics-informed machine learning framework for the Boluo watershed, South China, emphasizing typhoon feature engineering. Four models (Linear Regression (LR), Artificial Neural Network (ANN), Random Forest (RF) and XGBoost (XGB)) were systematically evaluated across three feature engineering scenarios: Baseline (conventional hydrometeorological variables), With Typhoon (original typhoon observ
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: Diabetes-related lower extremity complications, such as foot ulceration and amputation, are on the rise, currently affecting nearly 131 million people worldwide. Methods for early detection of individuals at high risk remain elusive. While data-driven diabetic polyneuropathy algorithms exist, high-performing, clinically useful tools to assess risk are needed to improve clinical care.
OBJECTIVE: This study aimed to develop an electronic medical record-based machine learning algorithm that would predict lower extremity complications.
METHODS: We conducted a retrospective longitudin
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 the risk factors affecting adolescents' Internet addiction behavior and build a prediction model for adolescents' Internet addiction behavior based on machine learning algorithms.
METHODS: A total of 4461 high school students in Chongqing were selected using stratified cluster sampling, and questionnaires were administered. Based on the presence of Internet addiction behavior, students were categorized into an Internet addiction group (n=1210) and a non-Internet addiction group (n=3115). Gender, age, residence type, and other data were compared between the groups, and in
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.
Depression has become one of the most common mental illnesses, causing severe physical and mental harm. To clarify the impact of brain region segmentation on the detection accuracy of moderate-to-severe major depressive disorder (MDD) and identify the optimal brain region for detecting MDD using electroencephalography (EEG), this study compared eight traditional single-machine learning algorithms with a hybrid machine learning model based on a stacking ensemble technique. The hybrid model employed K-nearest neighbors (KNN), decision tree (DT), and Extreme Gradient Boosting (XGBoost) as base le
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: Obstructive sleep apnea (OSA) is common after stroke. Still, routine screening of OSA with polysomnography (PSG) is often unfeasible in clinical practice, primarily because of how limited resources are and the physical condition of patients. In this study, we used several artificial intelligence techniques to predict moderate-to-severe OSA and identify its features in patients with acute ischemic stroke.
METHODS: A total of 146 patients with acute ischemic stroke underwent PSG screening for OSA. Their baseline demographic characteristics, including age, sex, body mass index (BMI),
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: Diabetic foot (DF) is a severe complication of type 2 diabetes mellitus (T2DM), contributing to significant morbidity and healthcare costs globally. Early prediction and intervention are critical for preventing amputations and improving patient outcomes. However, traditional statistical methods lack the capacity to handle high-dimensional clinical data and identify optimal predictive features. This study aimed to develop and validate machine learning models for DF risk prediction using feature selection strategies based on binary logistic regression and information theory.
METHODS
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: Post-stroke upper limb motor dysfunction is associated with complex alterations in brain function, but the frequency-specific characteristics of spontaneous local neural activity remain incompletely understood. This study investigated multi-metric resting-state functional magnetic resonance imaging (rs-fMRI) alterations in stroke patients with upper limb motor dysfunction and explored their discriminative value using machine-learning classifiers.
METHODS: A total of 70 stroke patients and 45 healthy controls (HCs) underwent rs-fMRI. Fractional amplitude of low-frequency fluctuatio
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