BACKGROUND: Speech disorders can significantly impact communication, social interaction, and overall quality of life, affecting individuals of all ages. Telespeech therapy has emerged as an innovative solution, leveraging technology to provide accessible and effective speech interventions remotely. This approach offers flexibility and convenience, addressing barriers such as geographical limitations and scheduling conflicts. This review aims to explore key interventions, applications, benefits, and challenges of telespeech therapy to enhance understanding of its potential in improving speech a
СтатьяScoping ReviewПоддержка 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.
PurposeEmoji are digital images or icons used to express an idea or emotion in electronic communication. The purpose of this study was to develop and evaluate the psychometric properties of two patient-reported scales that incorporate emoji.MethodsThe Emoji Response Scale developed for this study has two parts: the Emoji-Ordinal and Emoji-Mood scales. A pilot study was designed to validate the ordinal nature of the Emoji-Ordinal Scale. Twenty patients were shown all possible pairs of five emoji and asked to select the most positive from each pair. The psychometric ordering was assessed using C
Поиск 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.
Technological advancements have fueled the integration of virtual reality into nursing education, presenting innovative teaching modalities. Nonetheless, a conspicuous gap exists in understanding the influencing factors that impact the quality of virtual reality experiences, thereby challenging educators in creating optimal learning ecosystems tailored to nursing curricula. Adopting the Preferred Reporting Items for Systematic reviews and Meta-Analyses guidelines, a comprehensive search of electronic databases including PubMed, Embase, CINAHL, Web of Science, and the Cochrane Library was perfo
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: Telemedicine is increasingly integrated into healthcare, requiring robust training for healthcare professionals. Traditional training methods often lack realism and immersion, highlighting the need for innovative approaches.
OBJECTIVES: This study aims to integrate Virtual Reality with Moodle to enhance telemedicine education, focusing on chronic cardiac conditions.
METHODS: A VR-based training system was developed using Unity and WebXR, integrated with Moodle. The system includes a serious game with virtual patients created using Synthesia AI. Telemedicine experts configure trai
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.
Midwifery students commonly lack confidence in supporting breastfeeding, which leads to greater reliance on mothers' autonomy. This research explores the acceptability and experiences of using 360-degree Virtual Reality (VR) video to teach midwifery students about breastfeeding support. Semi-structured interviews with 13 students generated three main themes: physical and technical challenges in VR use, shifting perspectives in education, and deep engagement through immersion. Initial findings suggest that immersive VR offers a positive and impactful learning experience.
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.
Serious games, like "Operation Quest," blend fun with learning to boost user engagement and comprehension. This particular game, developed from June 2023 to March 2024 by an interdisciplinary team, aims to psychologically prepare children aged 6-12 for pediatric surgery. An observational study assessed its playability, evaluating aspects like gameplay effectiveness and satisfaction. The iterative design process involved an education phase (concept teaching) and a game design phase (mechanics, dynamics, aesthetics). Children successfully completed game objectives, reporting positive experiences
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.
Hospital Sterilization and Decontamination Units (HSDUs) play a critical role in ensuring the safe and efficient decontamination of surgical instruments to prevent healthcare-associated infections. This paper presents a mathematical modeling approach using Discrete Event Simulation (DES) to optimize staffing schedules within HSDUs at a district general hospital using Metaheuristic Optimization. The objective is to identify the optimal number of staff required to meet service demands while maintaining operational efficiency. A Greedy Heuristic and Tabu Search are employed to determine staffing
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: While prior machine learning (ML) models for cancer survivability prediction often treated all cancer stages uniformly, cancer survivability prediction should involve understanding how different stages impact the outcomes. Additionally, the success of ML-powered cancer survival prediction models depends a lot on being fair and easy to understand, especially for different stages of cancer. This study addresses cancer survivability prediction using fair and explainable ML methods.
METHODS: Focusing on bladder, breast, and prostate cancers using SEER Program data, we developed and va
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.
PURPOSE: To aid personalized treatment selection, we developed a predictive model for acute rectal toxicity in patients with prostate cancer undergoing radiotherapy with photons and protons.
MATERIALS AND METHODS: We analyzed a prospective multi-institutional cohort of 278 patients treated from 2012 to 2023 across 10 centers. Dosimetric and nondosimetric variables were collected, and key predictors were identified using purposeful feature selection. The cohort was split into discovery (n = 227) and validation (n = 51) data sets. The dose along the rectum surface was transformed into a two-dim
СтатьяМногоцентровое исследованиеПоддержка 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.
This study investigated healthcare utilization patterns prior to prostate cancer diagnoses, aiming to develop machine learning models for early prediction of cancer diagnosis. Data from the All of Us Research Program was used, focusing on adult patients diagnosed with prostate cancer between 2010 and 2019. Key variables were derived from procedure, measurements, and condition records, including PSA values, comorbidity index, and symptoms. Multiple machine learning models were tested to predict prostate cancer 3, 6, 9, and 12 months ahead of time. The dataset included 1,276 cancer patients 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.
Non-specific clinical biomarkers have been shown to help identify prognostic risks in cancer patients. However, the accuracy of prognostic biomarkers for predicting survival in patients with metastatic castration-resistant prostate cancer (mCRPC) still has space for improvement. This study aimed to predict 3-year survival in mCRPC patients by analyzing clinical and demographic features. A total of 664 patients with 41 clinical and demographic variables were evaluated. We utilized the class-weighted XGBoost algorithm to address class imbalance and improve the accuracy of outcome predictions. Th
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.
Prostate cancer is a leading cause of cancer-related deaths, with Gleason grading being key for assessing tumor aggressiveness. We propose a Graph Neural Network-based approach to automate Gleason grading using the Automated Gleason Grading Challenge 2022 dataset. Patch-level graphs constructed from Hematoxylin and Eosin-stained Whole-Slide Images were classified into Gleason grades. Our results show that Graph Neural Networks, specifically Graph Attention Networks and Graph Convolutional Networks, effectively distinguish between grades despite class imbalance. Focal Loss improves the classifi
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.
Deep learning methods provide enormous promise in automating manually intense tasks such as medical image segmentation and provide workflow assistance to clinical experts. Deep neural networks (DNN) require a significant amount of training examples and a variety of expert opinions to capture the nuances and the context, a challenging proposition in oncological studies (H. Wang et al., Nature, vol. 620, no. 7972, pp. 47-60, Aug 2023). Inter-reader variability among clinical experts is a real-world problem that severely impacts the generalization of DNN reproducibility. This study proposes quant
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: Chronic kidney disease (CKD) is a global health concern characterised by irreversible renal damage that is often assessed using invasive renal biopsy. Accurate evaluation of interstitial fibrosis and tubular atrophy (IFTA) is crucial for CKD management. This study aimed to leverage machine learning (ML) models to predict IFTA using a combination of ultrasonography (US) images and patient biomarkers.
METHODS: We retrospectively collected US images and biomarkers from 632 patients with CKD across three hospitals. The data were subjected to pre-processing, exclusion of sub-optimal im
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.
Effective radiotherapy planning requires precise delineation of organs at risk (OARs), but the traditional manual method is laborious and subject to variability. This study explores using convolutional neural networks (CNNs) for automating OAR segmentation in pelvic CT images, focusing on the bladder, prostate, rectum, and femoral heads (FHs) as an efficient alternative to manual segmentation. Utilizing the Medical Open Network for AI (MONAI) framework, we implemented and compared U-Net, ResU-Net, SegResNet, and Attention U-Net models and explored different loss functions to enhance segmentati
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.
Chronic kidney disease (CKD) remains a major public health concern, requiring better predictive models for early intervention. This study evaluates a deep learning model (DLM) that utilizes raw chest X-ray (CXR) data to predict moderate to severe kidney function decline. We analyzed data from 79,219 patients with an estimated Glomerular Filtration Rate (eGFR) between 65 and 120, segmented into development (n = 37,983), tuning (n = 15,346), internal validation (n = 14,113), and external validation (n = 11,777) sets. Our DLM, pretrained on CXR-report pairs, was fine-tuned with the development se
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.
PURPOSE: This study investigates the potential of DALL·E 3, an artificial intelligence (AI) model, to generate synthetic pathologic images of prostate cancer (PCa) at varying Gleason grades. The aim is to enhance medical education and research resources, particularly by providing diverse case studies and valuable teaching tools.
METHODS: This study uses DALL·E 3 to generate 30 synthetic images of PCa across various Gleason grades, guided by standard Gleason pattern descriptions. Nine uropathologists evaluated these images for realism and accuracy compared with actual hematoxylin and eosin (H&
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.
Artificial intelligence (AI) can advance medical diagnostics, but interpretability limits its clinical use. This work links standardized quantitative Radiomics features (RF) extracted from medical images with clinical frameworks like PI-RADS, ensuring AI models are understandable and aligned with clinical practice. We investigate the connection between visual semantic features defined in PI-RADS and associated risk factors, moving beyond abnormal imaging findings, and establishing a shared framework between medical and AI professionals by creating a standardized radiological/biological RF dict
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: This study aims to develop an algorithm to detect steatotic liver disease (SLD) risk in low-resource settings without requiring imaging.
METHODS: This retrospective cohort study included 826 measurements from 444 participants aged 45-60 years who participated in the MAUCO+ study. Data included ultrasound, vibration-controlled transient elastography (VCTE), anthropometrics and biomarkers. Logistic multivariable regression was used to develop two predictive models for SLD risk, with and without ultrasound, using VCTE as gold standard. Missing data were minimal and retained in the ana
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.
Patient-accessible electronic health records (PAEHRs) are regarded as a means to empower patients, especially those with chronic conditions, to take greater responsibility for their own health. However, clinicians often express concerns that PAEHRs may negatively impact their work and patient care, particularly if patients misinterpret their data. We investigated how clinicians working in home dialysis care for patients with chronic kidney disease experienced PAEHRs. Eleven clinicians participated in semi-structured interviews. The effects of PAEHRs varied depending on the patient and their ci
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