PURPOSE: To develop and validate models to identify pre-myopic children from their myopic and hyperopic peers using ocular biometry and demographic data.
METHODS: Multinomial logistic regression (MLR) and machine learning algorithms (random forest and extreme gradient boosting) were applied to data from a school vision screening programme conducted by a private eye hospital in China. The dataset included cycloplegic refraction, ocular biometry and basic demographic information from 36,925 children aged 6-15.99 years. Features were axial length (AL), keratometry, axial length/corneal radius of
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.
BACKGROUND: Although machine learning has increasingly been used to predict mental health symptoms and maladaptive behaviors, real-world prediction of addiction-related risk remains limited. Emotional and temperamental vulnerabilities are established correlates of alcohol-related problems, yet few studies have integrated these factors with wearable-derived biosignals in alcohol-risk prediction models.
OBJECTIVE: This study evaluated whether machine learning models could predict weekly high-risk drinking episodes among young adults with elevated alcohol-use risk by integrating wearable-derived
СтатьяНаблюдательное исследованиеПоддержка 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.
BACKGROUND: Emergency ventral hernia repair remains a challenging procedure due to patient instability, contaminated surgical fields, and heterogeneity in hernia types and operative techniques. Predicting postoperative complications in this setting is difficult using traditional statistical methods. Machine learning (ML) may offer improved predictive accuracy by recognizing nonlinear patterns among multiple perioperative factors.
METHODS: A retrospective multicenter analysis was performed using data from the ACTIVE (Acute Treatment for Incisional Ventral Hernias) study, including 557 adult pa
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: Alteration in serum lipids is a well-recognized metabolic accompaniment of chronic hepatitis B (HBV) and hepatitis C (HCV) viral infections, and may reflect a combination of disease severity and metabolic dysregulation. Despite this established association, lipid profile monitoring is not standard practice in these patients, and lipid abnormalities may remain unrecognized until they influence long-term cardiometabolic outcomes or complicate overall risk stratification. This gap in routine practice provided the rationale for the present study. AIMS: This study aimed to evaluate whet
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.
This study aimed to create a risk prediction model with artificial intelligence (AI) to identify patients at higher risk of postpartum hemorrhage using perinatal characteristics that may be associated with later postpartum hemorrhage (PPH) in twin pregnancies that underwent cesarean section. The study was planned as a retrospective cohort study at University Hospital. All twin cesarean deliveries were categorized into two groups: those with and without PPH. Using the perinatal characteristics of the cases, four different machine learning classifiers were created: Logistic regression (LR), supp
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.
Although several biomarkers can predict human papillomavirus (HPV) status in head and neck squamous cell carcinoma (HNSC), their accuracy is low. We assessed the HPV status of HNSC using a Scissor algorithm in conjunction with bulk sequencing and single-cell sequencing data. A Scissor scoring system was constructed for predicting HPV status using the gene set variation analysis algorithm. The biological functions and signaling pathways influencing the Scissor scoring model were described using correlation analysis and functional annotation. We used the Scissor algorithm to identify 1070 HPV-po
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 use machine learning tool to predict visual outcomes.
METHODS: A retrospective cohort of 284 consecutive pituitary adenoma patients with preoperative visual deficit was used. Patient variables were collected. Preprocessing and classification was done in the open source ML tool box Weka (Ver 3.8.4). Four algorithms were used for classification-the J48 trees, LMT algorithm, the REP tree algorithm, and the Random Forest.
RESULTS: The study included a total of 284 patients. The mean duration of visual symptoms was 10.09 ± 4.3 months. There were 24 patients with uniocular involvemen
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.
The recent outbreak of the respiratory ailment COVID-19 caused by novel coronavirus SARS-Cov2 is a severe and urgent global concern. In the absence of effective treatments, the main containment strategy is to reduce the contagion by the isolation of infected individuals; however, isolation of unaffected individuals is highly undesirable. To help make rapid decisions on treatment and isolation needs, it would be useful to determine which features presented by suspected infection cases are the best predictors of a positive diagnosis. This can be done by analyzing patient characteristics, case tr
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.
PURPOSE: We evaluate how deep learning can be applied to extract novel information such as refractive error from retinal fundus imaging.
METHODS: Retinal fundus images used in this study were 45- and 30-degree field of view images from the UK Biobank and Age-Related Eye Disease Study (AREDS) clinical trials, respectively. Refractive error was measured by autorefraction in UK Biobank and subjective refraction in AREDS. We trained a deep learning algorithm to predict refractive error from a total of 226,870 images and validated it on 24,007 UK Biobank and 15,750 AREDS images. Our model used the
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.
Discovery of novel antigens associated with infectious diseases is fundamental to the development of serodiagnostic tests and protein subunit vaccines against existing and emerging pathogens. Efforts to predict antigenicity have relied on a few computational algorithms predicting signal peptide sequences (SignalP), transmembrane domains, or subcellular localization (pSort). An empirical protein microarray approach was developed to scan the entire proteome of any infectious microorganism and empirically determine immunoglobulin reactivity against all the antigens from a microorganism in infecte
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.
Bone drilling is frequently used during orthopaedic surgeries to treat the fractured part of the bone. A major concern for surgeons is the increase in temperature during real-time orthopaedic bone drilling. The temperature elevation at the bone-tool interface may cause permanent death of regenerative soft tissues and cause thermal osteonecrosis. A robust predictive machine-learning model is suggested in this in-vitro research for monitoring temperature rise during surgery. The objective of the present work is to introduce different machine learning algorithms for predicting temperature elevati
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.
BACKGROUND: Prostate cancer is a common malignancy among elderly males with a growing incidence. While prostate biopsy remains the gold standard for diagnosis, this invasive procedure is poorly tolerated by some patients. The Gleason grade group (GGG) plays a critical role in predicting metastatic risk, guiding treatment selection, and is strongly associated with survival outcomes. Consequently, noninvasive prediction of prostate cancer Gleason grading has emerged as a research priority. This study aimed to develop a noninvasive predictive model integrating multimodal ultrasound data and clini
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.
Alzheimer's disease (AD) is an irreversible neurodegenerative disorder, and early diagnosis is crucial for effective clinical intervention. Traditional diagnostic methods involve detecting living brain tissue across the blood-brain barrier, but these invasive procedures cause unavoidable damage to patients. Genetic biomarkers in peripheral blood may provide valuable insights into brain lesions, potentially offering a non-invasive method for early AD diagnosis. The aim of this study is to propose an improved joint multi-task sparse canonical correlation analysis (MTSCCA) algorithm to identify s
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: The European Society of Cardiology (ESC) 0/1-h Algorithm with high-sensitivity cardiac troponin T (hs-cTnT) has shown promising results in risk stratification and management of patients with coronary artery disease (CAD). However, its outcomes and clinical implications in the context of developing countries remain understudied.
METHODS: This cohort study aimed to evaluate the outcomes and clinical significance of the ESC 0/1-h Algorithm in a developing country setting. A total of 3534 patients with CAD were enrolled, with 1125 in the Rule-Out group and 2409 in the Rule-In group. Ba
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: Sciatica is a painful condition managed by a stepped care approach for most patients. Currently, there are no decision-making tools to guide matching care pathways for patients with sciatica without evidence of serious pathology, early in their presentation. This study sought to develop an algorithm to subgroup primary care patients with sciatica, for initial decision-making for matched care pathways, including fast-track referral to investigations and specialist spinal opinion.
METHODS: This was an analysis of existing data from a UK NHS cohort study of patients consulting in pri
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.
Hypertension is associated with anthropometric and lipid-based indexes. This study aimed to examine and compare the predictive performance of these indexes, individually and in combination, using conventional statistical methods and modern machine learning approaches. A 10-year prospective cohort study was conducted using data from the Yazd Healthy Heart Project, involving 786 normotensive adults aged 20-74 years at baseline (2005-2006). Anthropometric, biochemical, and lifestyle data were collected, and incident hypertension was evaluated after follow-up. Associations between adiposity indexe
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.
Obstructive sleep apnea (OSA) is an independent risk factor for hypertension (HTN) worldwide; however, OSA-related HTN is frequently overlooked in clinical practice, partly because of the limitations of traditional clinical blood pressure measurements. Our study aimed to develop an interpretable machine learning model for identifying HTN status among patients with OSA. We analyzed data from 1771 diagnosed OSA patients and randomly split them into a training set (70%) and a testing set (30%). Using LASSO regression and the Boruta algorithm, we identified seven key predictors for prevalent HTN s
СтатьяВалидационное исследованиеПоддержка 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.
BACKGROUND: Acute appendicitis often presents diagnostic challenges, especially in pediatric and elderly patients. Delays can cause serious complications. While imaging aids diagnosis, it is not always accessible. Machine learning offers a promising solution. This study aimed to develop a simple, accurate model using basic demographic and laboratory data to improve diagnosis in low-resource settings.
MATERIALS AND METHODS: This retrospective, single-center study analyzed 453 patients undergoing appendectomy for suspected acute appendicitis. Clinical, laboratory, and histopathological data wer
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.
Introduction: diabetes mellitus increases the risk of cognitive impairment, but the role of dietary nutrients remains unclear. Objectives: to develop interpretable machine learning (ML) models to identify associations with cognitive impairment in adults aged 50 years and older with diabetes, and to identify key dietary nutrients associated with cognitive outcomes. Methods: data from the 2011-2014 National Health and Nutrition Examination Survey were analyzed. Cognitive function was assessed using the Consortium to Establish a Registry for Alzheimer's Disease (CERAD) Word Learning Test, the Ani
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.
BACKGROUND: Alcohol- and cannabis-impaired driving remain major public health concerns, particularly among young adults. Although prior studies have identified numerous risk factors, most have focused on limited subsets of predictors, restricting a broader understanding of impaired driving. This study applied machine learning to identify salient predictors of alcohol- and cannabis-impaired driving from a wide range of candidate variables.
METHODS: Data came from annual cross-sectional surveys of 18- to 25-year-olds participating in the Washington Young Adult Health Survey (2015-2022). Analyse
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