Percutaneous nephrolithotomy (PCNL) is the primary treatment for large or complex renal stones, yet postoperative stone-free status (SFS) remains difficult to predict, contributing to variation in clinical outcomes. Machine learning (ML) models have recently been applied in urology and show promise for predicting treatment success by integrating clinical and radiologic features. This study aims to evaluate the diagnostic performance of ML models in predicting the stone-free status following PCNL. We followed PRISMA-DTA guidelines throughout the entire process. A systematic search of PubMed, Sc
СтатьяМетаанализОбзорПоиск 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: Machine learning (ML) has emerged as a promising tool for predicting diabetic kidney disease (DKD), yet the performance and clinical utility of these models remain unclear. We conducted a systematic review and meta-analysis to evaluate ML models for DKD prediction.
METHODS: We systematically searched seven databases from inception to May 16, 2026. Studies developing or validating ML models for DKD diagnosis were included. Quality was assessed using the Prediction model Risk of Bias Assessment Tool (PROBAST) and its AI extension (PROBAST+AI), and reporting completeness was evaluate
СтатьяМетаанализСистематический обзорПолный 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 ABL1 gene encodes a non-receptor tyrosine kinase implicated in leukemia and other genetic disorders. This study presents a deep learning-based approach for predicting the pathogenicity of ABL1 single amino acid variants (SAVs) using amino acid sequence representations. Variant data collected from UniProt, ClinVar, dbSNP, and EVS databases were encoded through embedding and transformer-based methods. Multiple architectures-Feedforward, Conv1D, BiLSTM, Transformer, and Prot-BERT-were evaluated under six data partitioning scenarios. The Convolutional Neural Network achieved the highest perfor
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.
UNLABELLED: To enhance the prediction progression of Alzheimer's Disease is very excavating process.
PROBLEM STATEMENT: It is often very difficult to implement in the chronic neurodegenerative disease-related preprocessed gene expression data. Especially, Alzheimer's Disease (AD) prediction is a very crucial process in AD metadata diagnosis. Novelty: To explore this challenging prediction process in brain disease prediction, this research presents a proposed deep learning model, namely the Integrated Deep Regulatory Genetic Neural Network and Optimised Deep Belief Networks (IDRODN). This inte
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: Machine learning (ML) is increasingly applied across burn care, but its clinical utility remains unclear. This scoping review mapped current evidence on ML models developed to predict key outcomes in burn patients, including mortality, sepsis, inhalation injury, delirium, surgical decision making, intraoperative blood loss and acute kidney injury (AKI).
METHODS: Following the Preferred Reporting Items for Systematic Reviews and Meta Analyses extension for Scoping Reviews (PRISMA-ScR) guidelines, two databases were searched from 2020 to 2025. Studies using ML to predict diagnosti
СтатьяScoping ReviewПоиск 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 conceptual review (ⅰ) analyzes the outcomes predicted, data modalities, modeling approaches, validation strategies, and reporting quality of existing artificial intelligence (AI)-driven prognostic models in temporomandibular disorders (TMD) and chronic orofacial pain (OFP); (ⅱ) identifies enduring methodological and ethical constraints that hinder clinical translation; and (ⅲ) proposes a pragmatic research framework to guide the responsible development of clinically relevant prognostic tools for TMD and OFP. The review covers peer-reviewed and other relevant publications from the previous
СтатьяОбзорПолный 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.
Early identification of people at risk of schistosomiasis infection is critical to interrupting disease transmission. We develop and validate an explainable machine learning prediction model that integrates demographic, behavioral, and environmental factors to identify these individuals. A total of 103,707 individuals were included to train and internally validate the model, and 16,574 individuals were used for external validation. The Random Forest (RF) model demonstrated the best discriminative performance among the five machine learning models evaluated. It accurately predicted schistosomia
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.
Cardiovascular diseases such as coronary artery disease, myocardial infarction, and heart failure impact millions of people annually globally and are a major cause of disease and death. This study explores the predictive capabilities of novel metabolic indices (TyG, HOMA-IR, TG/HDL-C, and VAI) for major adverse cardiovascular events (MACE) and analyzes their relationships with diabetes and cardiovascular risks. Using data from the National Health and Nutrition Examination Survey (NHANES) spanning from 2003 to 2018, we applied multiple machine learning algorithms to evaluate nine metabolic indi
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.
Tourette syndrome is a relatively prevalent neurological condition, particularly among children, characterized by sudden, involuntary, repetitive movements or vocalizations. Contemporary diagnostic approaches for Tourette syndrome (TS) primarily rely on behavioral assessments, which pose challenges due to symptom overlap with other psychiatric disorders and significant inter-individual variability. Establishing a machine learning-based predictive model for predicting the risk of TS could potentially enhance diagnostic precision and treatment effectiveness. The investigation was conducted at th
СтатьяНаблюдательное 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.
PURPOSE: In this study, we aimed to develop a novel Bayesian optimization based multi-stacking deep learning platform for the prediction of radiation-induced dermatitis (grade ≥ two) (RD 2+) before radiotherapy, by using multi-region dose-gradient-related radiomics features extracted from pre-treatment planning four-dimensional computed tomography (4D-CT) images, as well as clinical and dosimetric characteristics of breast cancer patients who underwent radiotherapy.
MATERIALS AND METHODS: The study retrospectively included 214 patients with breast cancer who received radiotherapy after breast
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 assess whether longitudinal changes in a deep learning algorithm's predictions of retinal nerve fiber layer (RNFL) thickness based on fundus photographs can predict future development of glaucomatous visual field defects.
DESIGN: Retrospective cohort study.
METHODS: This study included 1,072 eyes of 827 glaucoma-suspect patients with an average follow-up of 5.9 ± 3.8 years. All eyes had normal standard automated perimetry (SAP) at baseline. Additional SAP and fundus photographs were acquired throughout follow-up. Conversion to glaucoma was defined as repeatable glaucomatous defec
СтатьяПоддержка NIH: внешняя программаПолный 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.
UNLABELLED: This study aims to develop and internally validate separate machine learning models predicting continuous positive airway pressure (CPAP) failure and high-flow nasal cannula (HFNC) failure in preterm neonates. This retrospective cohort study included 411 preterm neonates started on non-invasive respiratory support between September 2023 and September 2025, 195 on CPAP and 216 on HFNC. CPAP failure was defined as escalation to invasive mechanical ventilation, HFNC failure as escalation to CPAP. Seven algorithms, LASSO logistic regression, random forest, XGBoost, LightGBM, support ve
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.
Machine-learning (ML) algorithms are increasingly valuable in health sciences because they can analyze complex, high-dimensional data and detect patterns that may not be easily identified using traditional statistical methods. These models can efficiently classify individuals into low- and high-risk groups, enabling early detection of conditions such as depression, cancer, and diabetes before symptoms become severe. Thus, by revealing intricate patterns in sizable health datasets, machine-learning analysis facilitates the precise and early identification of high-risk patients, facilitating pro
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.
Metabolic-Associated Fatty Liver Disease (MAFLD) is common among Type 2 Diabetes (T2DM) patients. The coexistence of these conditions increases the risk of MAFLD progression and diabetes complications. Detecting MAFLD early is challenging due to its asymptomatic initial stages. In this study, we aimed to develop a machine learning model to predict MAFLD in T2DM patients. We conducted a cross-sectional study on 3,654 Iranian T2DM patients using their demographic and lab data. This study involved thorough data preprocessing, including evaluating various imputation methods on simulated missingnes
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: Hypertension is a leading cause of cardiovascular morbidity and mortality in Bangladesh. This study examined its prevalence, risk factors, and predictive modeling using machine learning (ML) and deep learning (DL) approaches.
METHOD: We analyzed cross-sectional data from the 2022 Bangladesh Demographic and Health Survey, which included 14,283 adults (≥18 years). Prevalence was estimated, chi-square tests assessed associations, and four ML models (weighted logistic regression, random forest, extreme gradient boosting, light gradient boosting machine) and two DL models (TabNet, and
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: Acral melanoma (AM) is a distinct melanoma subtype associated with delayed diagnosis, aggressive progression, and poor prognosis once distant metastasis occurs. However, prediction models specifically designed for distant metastasis risk stratification in AM remain limited.
AIMS: This study aimed to develop and internally evaluate a machine learning-based model for individualized distant metastasis risk stratification in patients with AM.
METHODS AND RESULTS: Clinical data of 1822 patients with AM diagnosed between 2000 and 2021 were extracted from the SEER database. Patients wer
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: Inadequate bowel preparation impairs the accuracy of colonoscopy and increases the burden on patients and healthcare systems. Consequently, the quality of bowel preparation is an important quality indicator. We aim to develop and validate multivariable prognostic models for the identification of patients at risk of inadequate bowel preparation using machine learning (ML).
METHODS: Demographic and clinical data from consecutive patients ≥18 years of age who underwent colonoscopy at six centres in Germany were prospectively collected. Adequate bowel preparation was defined as Boston
СтатьяМногоцентровое исследованиеВалидационное исследованиеПоиск 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 measurement of smoking in population-based administrative health data (AHD) poses challenges due to the indirect nature of smoking-related information collection. While most studies use rule-based algorithms (RBAs) based on diagnosis codes, model-based algorithms (MBAs) utilizing machine learning (ML) with diverse data features might have better sensitivity and accuracy. We developed ML model-based algorithms (MBAs) for ascertaining smoking in AHD and compared them to RBAs. METHODS: We conducted a retrospective cohort study using AHD (hospital abstracts, medical claims, an
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 mandible is one of the most reliable in sex determination in forensic anthropology. The shape of the mandible provides valuable information regarding the male and female distinctions. Machine learning algorithms are widely used for various applications due to their accuracy and reliability, extending their application in biological profiling. This study aims to estimate sexual dimorphism using various machine-learning algorithms based on non-metric features of the mandible. This study uses four machine-learning algorithms—k-nearest neighbors, decision tree, support vector machines, and ran
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.
Cancer epidemiology, biomarkers & prevention : a publication of the American Association for Cancer Research, cosponsored by the American Society of Preventive Oncology2026eng
BACKGROUND: Recurrence is a key oncologic endpoint but is difficult to automatically capture from electronic health records (EHR).
METHODS: We evaluated rule-based algorithms to detect recurrence and its timing using a publicly available clinico-genomic database of patients with breast, colorectal, non-small cell lung, or pancreatic cancer. Algorithms evaluated varying anchor dates, defined as the time at which patients were assumed eligible to recur for the purposes of the algorithm, including diagnosis and four-, six-, and twelve-months post-diagnosis, as well as varying criteria for subseq
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