PURPOSE: Direct pediatric information to inform chemotherapy emetogenicity in pediatric patients is limited. Therefore, the framework for antiemetic selection is uncertain. This study classified the acute emetogenicity of chemotherapy regimens in pediatric patients using data extracted from the electronic health record (EHR).
METHODS: This retrospective, single-institution study extracted data from the EHR of patients age 0 to 18 years who received chemotherapy during an inpatient admission from July 1, 2018, through February 29, 2024. Data were organized by patient and chemotherapy block inc
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.
PURPOSE: Federated learning (FL) enables multi-institutional predictive modeling without sharing raw patient data, preserving privacy while leveraging diverse data sets. This study evaluates the use of linear FL (LFL) as an interpretable approach to enhance sample size and generalizability in outcome prediction. As a proof of concept, we applied LFL to patients with hepatocellular carcinoma (HCC) undergoing external beam radiotherapy (EBRT), predicting hepatic toxicity and 1-year survival (SRVy1).
METHODS: Patient data from Massachusetts General Hospital (MGH) and Brigham and Women's Hospital
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.
Drug toxicity and side effects are the cause of clinical trials failure, resulting in wasted investment and time. Liver injury is one of the leading causes of drug rejection in the clinical phase. Machine learning models have been developed to predict induced liver damage with significant results. We carried out a systematic review to identify and describe the AI strategies reported in the scientific literature for drug induced liver injury prediction. Using combinations of keywords, we retrieved articles from Google Scholar and PubMed database and analyzed them according to defined criteria.
СтатьяСистематический обзорПоиск 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.
Synthetic data generation is a strategy used to address the lack and complex process to acquire clinical data and information, in particular in type 2 diabetes mellitus (T2DM) research. T2DM is characterized by chronic hyperglycemia with macrovascular and microvascular complications. Nevertheless, despite the importance of data to improve diagnostic accuracy, better treatments, and personalized patient care, medical datasets are often restricted by ethical and privacy constraints. In this sense, this chapter evaluates four synthetic data generation techniques, Gaussian Mixture Models (GMM), Ge
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.
This study aimed to explore whether an artificial intelligence iterative reconstruction (AIIR) algorithm combined with low-dose aortic computed tomography angiography (CTA) demonstrates clinical effectiveness in assessing preoperative access for transcatheter aortic valve implantation (TAVI). A total of 109 patients were prospectively recruited for aortic CTA scans and divided into two groups: group A (n = 51) with standard-dose CT examinations (SDCT) and group B (n = 58) with low-dose CT examinations (LDCT). Group B was further subdivided into groups B1 and B2. Groups A and B2 used the hybrid
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.
This paper explores the role of Artificial Intelligence (AI) in Public Health (PH), examining its benefits, challenges, and ethical considerations. AI has become an essential tool in healthcare, improving diagnosis, treatment, and health system management. Its applications range from disease surveillance to personalized patient care, offering transformative potential in addressing public health crises such as the COVID-19 pandemic. However, the rapid adoption of AI technologies also raises concerns related to accuracy, bias, ethical dilemmas, and the safety of AI-driven decisions in healthcare
СтатьяСистематический обзорПолный 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: Early recognition of steatosis (fatty liver) and fibrosis in liver health is crucial for effectively managing and preventing the possibility of liver dysfunction. Detecting steatosis helps identify individuals at risk of liver-related diseases, such as inflammation (Non-Alcoholic SteatoHepatitis, NASH) and fibrosis. Fibrosis involves the formation of scar tissue in the liver due to chronic inflammation and injury. Early recognition of fibrosis helps categorize patients based on their risk of progression to advanced liver disease. Metabolic dysfunction-Associated Steatotic Liver Dis
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
Selection of radiology imaging protocols is a vital step in the radiology workflow as incorrect protocol selection can lead to suboptimal imaging and thereby jeopardize patient health, delay treatments, and/or increase healthcare costs. However, this process is generally thought of as an inefficient use of radiologist's time. We developed a machine learning (ML) system that can predict radiology protocols accurately based on patients' electronic medical record (EMR) data. The system is an ensemble of three decision tree (DT)-based techniques trained to provide protocols for body computed tomog
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: Sleep disturbances are a major issue, nowadays, make the whole scientific community to be alert, utilizing machine learning techniques to predict its underlying determinants.
OBJECTIVE: The main purpose of this paper is to test the accuracy of machine learning algorithms in interpretation of sleep problems.
METHODS: A public dataset was used and multiple feature selection techniques were addressed to identify the most influential predictors in sleep disturbances. Explainable AI was used to further interpret how each predictor impacts individual predictions.
RESULTS: Results from
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.
This study presents a two-phase methodology for estimating chronological age in children using panoramic dental images and deep learning-based feature extraction. The dataset comprised 626 panoramic radiographs from children aged 6.0 to 13.8 years (320 males, 306 females; mean age = 9.88 years). Two expert dentists annotated each radiograph according to the Demirjian stages of seven mandibular teeth. In the first phase, three architectures-ResNet-18, EfficientNetV2-M, and Swin V2 Base-were trained separately for males and females to extract high-dimensional feature representations. Images were
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.
This study presents the development and assessment of a mobile application - the WalkingPAD app - aimed at promoting adherence to physical exercise among patients with Peripheral Arterial Disease (PAD). The assessment of adherence, acceptability, and usability was performed using mixed methods. Thirty-eight patients participated in the study with a mean age of 63.4 years (SD = 6.8). Thirty patients used the application for three months, responded to a semi-structured interview, and completed a task test and the System Usability Scale (SUS, ranging from 0 to 100). The application's adherence ra
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: Thyroid cancer is one of the fastest-growing malignancies worldwide, with an increasing number of long-term survivors requiring ongoing care. Digital health interventions offer scalable and patient-centered approaches to support this population, yet it remains unclear how these interventions have been designed, delivered, evaluated, and adopted in practice. This scoping review aims to synthesize current evidence on the characteristics, effectiveness, and uptake of digital health interventions in thyroid cancer care.
METHODS: A systematic search was performed in PubMed, Web of Scie
СтатьяScoping ReviewПоиск 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: The goal of this paper was to understand the applicability of the Information Technology (IT) Implementation Framework, a multi-level approach to identify factors that impede or promote IT usage, for incorporating a mHealth technology for consumers in the community setting.
METHODS: A case study of the implementation of the Sense2Quit App for smoking cessation among people living with HIV was examined to parse out the factors within the framework that are applicable to mHealth technology and the factors that may need modification for use of this framework within this context.
RESU
СтатьяВалидационное исследованиеПоддержка исследования: вне правительства СШАПоддержка NIH: внешняя программаПоиск 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.
OBJECTIVES: To develop a machine learning-based software as a medical device to predict the endurance and outcomes of peritoneal dialysis (PD) patients in real time using effluent-measured biomarkers of the mesothelial-to-mesenchymal transition (MMT).
METHODS: Retrospective, longitudinal, triple blind study in two independent hospitals (Spain), designed under information-theoretical approaches for feature selection and machine learning-based modelling techniques. A total of 151 (train set) and 32 (validation) PD patients in 1979-2022 were included. PD outcomes were analysed in four categories
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.
Interoperability between data sources, one of the FAIR (Findability, Accessibility, Interoperability, and Reusability) principles for scientific data management, can enable multi-modality research. The purpose of our study was to investigate the potential for interoperability between an imaging resource, the Medical Imaging and Data Resource Center (MIDRC), and a clinical record resource, the National COVID Cohort Collaborative (N3C). The use case was the prediction of COVID-19 severity, defined as evidence for invasive ventilatory support, extracorporeal membrane oxygenation, death, or discha
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.
PURPOSE: Large language models (LLMs) show promise in assisting knowledge-intensive fields such as oncology, where up-to-date information and multidisciplinary expertise are critical. Traditional LLMs risk hallucinations and reliance on static, possibly outdated data that lack domain-specific context. Retrieval-augmented generation (RAG) has emerged as a strategy to address these issues by incorporating domain-specific information from external knowledge repositories.
METHODS: We evaluated 15 LLMs, including Meta Llama-2/3, generative pretrained transformer (GPT)-3.5/4/4o variants, Claude-3,
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.
Positron emission tomography (PET) is a valuable imaging technique for assessing cellular metabolic activity and is widely used for early disease detection and diagnosis. While high-resolution (HR) PET images offer richer diagnostic information, achieving such quality often requires expensive equipment and time-intensive reconstruction processes. To address these challenges without hardware upgrades, this paper introduces a novel multi-head fusion attention generative adversarial network (MHFA-GAN), designed to enhance the spatial resolution and reconstruction efficiency of PET images through
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.
This study aims to develop a novel segmentation method that utilizes spatio-temporal information for segmenting two-dimensional thyroid nodules on dynamic contrast-enhanced magnetic resonance imaging (DCE-MRI). Leveraging medical morphology knowledge of the thyroid gland, we designed a semi-supervised segmentation model that first segments the thyroid gland, guiding the model to focus exclusively on the thyroid region. This approach reduces the complexity of nodule segmentation by filtering out irrelevant regions and artifacts. Then, we introduced a method to explicitly extract temporal inform
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.
A digital twin is a computational model that provides a virtual representation of a specific physical object, system, or process and predicts its behavior at future time points. These simulation models form computational profiles for new diagnosis and prevention models. The digital twin is a concept borrowed from engineering. However, the rapid evolution of this technology has extended its application across various industries. In recent years, digital twins in healthcare have gained significant traction due to their potential to revolutionize medicine and drug development. In the context of r
СтатьяОбзорПоиск 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: The COVID-19 pandemic exposed both direct and collateral health impacts especially on vulnerable populations, underscoring the need for more targeted and equitable crisis response strategies. Health-related dashboards could support better information sharing, research, and care delivery, but current dashboards often fail to address the needs of vulnerable groups. This study aimed to assess expert perspectives on key aspects of a new crisis response health dashboard to protect vulnerable populations intended to be used by medical professionals and affected persons.
METHODS: A 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.
MedElevator
Войти в исследования