Detecting tuberculosis on X-rays remains complex and challenging for clinicians. In Burkina Faso, the scarcity of radiologists and their heavy workload increase the risk of misinterpretation, particularly in areas with high demand. To address this constraint, we have designed a comprehensive solution based on artificial intelligence, ranging from data analysis to the training of advanced deep learning models, enabling the automatic identification of tuberculosis abnormalities from chest X-rays. In this article, we present our three-step approach for tuberculosis detection, directly inspired by
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.
PURPOSE: Small cell lung cancer (SCLC) is a highly aggressive malignancy with a high incidence of liver metastases, particularly among elderly patients, which significantly worsens survival outcomes. However, efficient predictive tools targeting this population remain scarce. This study aimed to develop and validate an interpretable machine learning-based model to re-stratify the risk of liver metastasis in elderly patients with SCLC after completion of routine staging evaluation at initial diagnosis.
METHODS: A total of 10,080 patients aged ≥60 years with histologically confirmed SCLC were i
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.
The rapid integration of artificial intelligence (AI) into health care has heightened the importance of ethical reflection, accountability, and responsible decision-making in nursing practice. Accordingly, there is a need for valid and reliable instruments to assess AI-related ethical reflection. This study aimed to adapt the Artificial Intelligence Ethical Reflection Scale (AIERS) into Turkish and evaluate its psychometric properties in a sample of nursing students. The study was conducted with 427 students enrolled in an undergraduate nursing program in Turkey. The sample was randomly divide
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 develop and validate the Artificial Intelligence Benefit-Risk Perception Scale (AI-BRPS) for healthcare professionals and explore the associative structure and central nodes of perceived AI benefits and risks.
METHODS: This methodological study generated an initial item pool through literature review, qualitative interviews, expert consultation, and pilot survey. From December 2025 to January 2026, 794 healthcare professionals were recruited using convenience sampling from 36 tertiary hospitals in China to evaluate the reliability and validity of the preliminary scale. Network 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.
This study aimed to explore emergency department nurses' perceptions and experiences of digital silence. A qualitative study was conducted with 14 emergency department nurses from two public hospitals in Turkey. Data were collected through semistructured in-person interviews and analyzed using the Framework Method for qualitative data analysis. Four overarching themes were identified: (i) awareness of digital silence, (ii) types of digital silence, (iii) causes of digital silence, and (iv) strategies for prevention. Digital silence manifests in several forms, including failure or partial compl
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.
Introduction Multiple Sclerosis (MS) is a chronic neuroinflammatory disease influenced by clinical, demographic, and environmental factors. Predicting MS progression is challenging due to the disease's heterogeneity. This study aimed to apply Artificial Intelligence (AI) methods to investigate the association between the MS Severity Score (MSSS), which is a measure that integrates disability level and disease duration, and patients' longitudinal clinical data and environmental exposures. Methods We integrated long-term clinical records from the Mondino MS Center (Pavia, Italy) with environment
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.
Reliable prognosis in Multiple Sclerosis (MS) and Amyotrophic Lateral Sclerosis (ALS) is hampered by data scarcity and variability. Beyond clinical variables, evidence suggests that environmental data can help capture disease trajectories. We investigated whether personal environmental measures can be organized into stable patterns that inform prognosis. In a multicenter cohort, 293 patients with MS or ALS were equipped with Atmotube air-quality sensors. We normalized volatile organic compound (VOC) time series and computed Dynamic Time Warping distances to capture temporal similarity. Hierarc
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.
Data quality assessment in medical research is crucial if the findings are to be data-driven. This is especially true if data is collected in clinical routine and originates from multicenter studies with complex, multi-step data processing pipelines that aim to harmonize and integrate data across all participating centers for data evaluation and analysis. The multicentric, non-interventional, and prospective ProVal-MS cohort study was established to externally validate a treatment decision score for adults with relapsing multiple sclerosis. Hence, a data quality management strategy was necessa
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: Multidisciplinary team (MDT) meetings are key to delivering cancer care. Increasing caseload and limited resources make them less effective and unsustainable. The aim of this quality improvement project was to assess novel artificial intelligence-based clinical decision support (CDS) technology to develop and validate standard of care (SoC) to streamline the breast MDT meetings in a tertiary cancer centre.
METHODS: A clinical governance group of the MDT approved international guidelines used to develop SoC. Deontics CDS was assessed for its suitability to apply the SoC pathway for
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.
Identifying the origin of brain metastases (BM) is essential for personalized treatment, particularly in patients with carcinoma of unknown primary or multiple primary neoplasms. We aimed to develop a multiparametric MRI-based three-dimensional (3D) deep learning (DL) fusion model for noninvasive differentiation of lung cancer (LC) versus non-lung cancer (NLC) origin BM. A total of 458 patients with 585 BM lesions from three centers were retrospectively included. A 3D DL model was developed using paired CE-T1 and T2-FLAIR sequences. The model employs a shared-weight Siamese encoder to extract
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 AND OBJECTIVES: Multiple sclerosis (MS) affects not only individuals but also family dynamics. Scalable, digitally delivered assessments may support routine screening of psychosocial and relational needs across the household. This study aimed to investigate perceived family functioning in families living with MS, using a web-based, multi-informant approach, focusing on relationship quality and psychosocial factors.
METHODS: This Italian multicenter, cross-sectional study recruited families with a member diagnosed with MS. Participants included individuals with MS (PwMS), partners,
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.
This study aimed to develop an interactive web-based program, "I Can Manage," to support nurse-led self-regulation in the management of Multiple Sclerosis (MS). An action research approach was adopted, utilizing the Spiral Technology Action Research model, which involves the stages of listen, plan, do, study, and act. The study was conducted with 16 nurses and persons with MS (pwMS). Data were collected through in-depth individual interviews and the System Usability Scale (SUS). In the "Listen" stage, existing programs were reviewed, and a descriptive phenomenological study was conducted. In t
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.
Neurodegenerative diseases (NDDs) such as Alzheimer's disease (AD), essential tremor (ET), multiple sclerosis (MS), and Parkinson's disease (PD) are complex disorders that often exhibit overlapping symptoms, leading to diagnostic challenges. Given the increasing interest in retinal imaging as a non-invasive biomarker for neurodegeneration, this study proposes a fully automated machine learning pipeline for disease characterization using optical coherence tomography (OCT). We analyze macular thickness patterns across three key and relevant retinal elements: retinal nerve fibre layer (RNFL), gan
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.
PURPOSE: The National Cancer Institute Comorbidity Index (NCI-CI) captures patient-level comorbidity burden using diagnosis codes found in administrative claims or electronic health record (EHR) data. However, it is less well understood how claims- and EHR-based comorbidity measures compare. We determined the concordance between the claims-based and EHR-based NCI-CI using a linked data source.
MATERIALS AND METHODS: This study used a linkage of tumor registry, EHR, and Medicare claims data. Eligible patients were 65 years and older and were diagnosed and/or received their first course of trea
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.
PURPOSE: Radiology and pathology reports are important in breast surgical oncology planning, but are often unstructured and variable, requiring time-intensive previsit review and preparation. Here we evaluate the accuracy, completeness, and safety of retrieval-augmented large language model (LLM)-generated structured preconsult summaries compared with clinical staff-authored summaries.
METHODS: In this single-institution retrospective validation study, 200 randomly sampled new breast surgical oncology consultations were included. LLM summaries were generated and compared with human summaries
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.
PURPOSE: Most low-dose computed tomography (LDCT) scans in lung cancer (LC) screening are negative, yet contain prognostic information. We developed a fully automated 3D deep learning model for thoracic body composition (BC) quantification from LDCT and evaluated its prognostic value for overall and cause-specific mortality.
MATERIALS AND METHODS: Baseline and first follow-up LDCTs from the National Lung Screening Trial were analyzed. A 3D convolutional neural network was trained for full thoracic volumetric segmentation of subcutaneous adipose tissue (SAT) and skeletal muscle (SM) and extrac
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 AND SCOPE: Clinical trial design in oncology relies heavily on evidence synthesized from prior studies. However, relevant information, including Kaplan-Meier curves, baseline characteristics, and eligibility criteria, is typically embedded in figures, tables, and free text, making systematic extraction and quantitative synthesis challenging. We developed LEAD-ONC (Literature to Evidence for Analytics and Design in Oncology), a platform designed to transform published clinical trial reports into structured, analyzable data to support evidence-informed trial design.
SOLUTION: LEAD-ON
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.
PURPOSE: To compare the concordance of ChatGPT, Gemini, and Claude with a prespecified expert guideline-based reference standard in fabricated endometrial cancer clinical vignettes under standardized prompting.
METHODS: We conducted a case-based in silico benchmarking study using 35 fabricated postoperative endometrial cancer vignettes representing a broad spectrum of ESGO-ESTRO-ESP 2025 management scenarios. Each vignette was submitted to ChatGPT, Gemini, and Claude in independent chat sessions using the same standardized prompt. The primary end point was concordance with the prespecified ex
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.
PURPOSE: Cancer centers are required to facilitate interventions that engage communities in reducing the cancer burden in their catchment area. Tools exist to visualize catchment area data, but none integrate multiple factors for targeting interventions. The Community Need Priority Index-Breast Cancer Screening (CNPI-BCS) was created to approximate population-level need on the basis of characteristics associated with low adherence to routine screening guidelines. This study demonstrates program-specific utility of CNPI-BCS, by describing alignment between the index and patients reached by the
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