BACKGROUND: Federated learning (FL) is a rapidly advancing technique that enables collaborative model training while preserving data privacy. This approach is particularly relevant in healthcare, where privacy concerns and regulatory restrictions often prevent centralized data sharing. FL has shown promise in tasks such as disease detection, achieving performance levels comparable to centralized systems. However, its practical usability in real-world applications remains underexplored.
METHODS: We evaluate the practical effectiveness of FL in predicting whether patients suspected of prostate
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: Hospital-onset bacteremia (HOB) is one of the most common hospital-acquired infections, resulting in increased in-hospital morbidity and mortality. To support clinicians in assessing patients at risk, data-driven applications can be implemented as decision-support.
OBJECTIVES: We aim at rigorously collecting clinician's needs in an innovative, interdisciplinary tandem approach to understand requirements for a digital, in-hospital HOB risk assessment application with interactive visualization interfaces, incorporating users from the outset.
METHODS: Interviews and questionnaires f
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 develop and validate an algorithm to extract clinically relevant data elements for prostate cancer (PCa) from prostate biopsy reports and magnetic resonance imaging (MRI) reports.
PATIENTS AND METHODS: MRI reports and biopsy pathology reports were extracted from a cohort of 1,360,866 patients with PCa in the VA Cancer Registry System or the VA Corporate Data Warehouse, with 155,570 patients having the relevant reports for inclusion. We hand-annotated a sample of these reports, which were used to develop a rule-based natural language processing (NLP) algorithm for extracting Gleaso
СтатьяПоддержка 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.
Artificial Intelligence (AI) has significantly advanced clinical decision support systems in healthcare, particularly using Machine Learning (ML) models. However, the technical nature of current ML model documentation often leads to lack of comprehension among healthcare stakeholders. This study assessed the understanding of ML model documentation for a sepsis prediction model during an interdisciplinary workshop with 24 participants. Results showed that participants had moderate AI literacy (mean score: 40.13 out of 65) and that on average 65% of the model documentation was understood. Key ba
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: Early identification and prevention of ventilator-associated pneumonia (VAP) in patients with mechanical ventilation (MV) through reliable prediction model undergoing a rigorous and standardized process is essential for clinical decision-making.
OBJECTIVE: This study aims to externally validate the VAP prediction model previously developed by a tertiary hospital in Northwestern China, using data from different time periods or hospitals, and to develop a web-based model calculator for clinical application to evaluate the model's prediction performance and generalizability.
METHODS
СтатьяВалидационное исследованиеПоддержка 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.
Family caregivers of individuals with schizophrenia face significant physical, emotional, and financial challenges, often sacrificing self-care and careers, particularly in low-middle-income families. Despite the benefits of family interventions, barriers like stigma and limited access persist. Mobile health (mHealth) offers a promising alternative by providing tailored psychosocial support, though long-term engagement is challenging. This study aims to understand caregiver's needs to develop a user-centered digital intervention. Participatory workshops with caregivers, individuals with schizo
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: Postoperative delirium (POD) is a common complication in surgical patients over 60, increasing morbidity, mortality and hospital stays. While international guidelines recommend risk screening, resource constraints limit implementation. This study externally validated the Pre-Interventional Preventive Risk Assessment (PIPRA) algorithm, a CE-certified tool for identifying high-risk patients to enable targeted prevention.
METHODS: A prospective validation study was conducted at a 335-bed Swiss hospital as part of a quality improvement initiative. Data from 866 patients aged ≥60 under
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 purpose of this study is to assess the ability of deep learning models to classify different subtypes of solid renal parenchymal tumors using contrast-enhanced ultrasound (CEUS) images and to compare their classification performance. A retrospective study was conducted using CEUS images of 237 kidney tumors, including 46 angiomyolipomas (AML), 118 clear cell renal cell carcinomas (ccRCC), 48 papillary RCCs (pRCC), and 25 chromophobe RCCs (chRCC), collected from January 2017 to December 2019. Two deep learning models, based on the ResNet-18 and RepVGG architectures, were trained and validat
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: The heterogeneous nature of sepsis renders determining its underlying causes difficult, which may delay diagnosis and intervention. VitalCare-SEPsis Score (VC-SEPS) is a deep learning-based algorithm that predicts sepsis and monitors patient conditions based on electronic medical record data. However, few studies have prospectively compared medical artificial intelligence software algorithms and traditional scoring systems to predict sepsis. This prospective observational study attempted to validate the predictive performance and risk stratification of VC-SEPS for early prediction o
СтатьяНаблюдательное исследованиеВалидационное 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.
Health consumers (i.e., citizens), increasingly review their personal health information on patient portals. However, health information, especially graphs, can be difficult to interpret and use. To investigate reporting attributes that confused participants, what they misinterpreted, and their follow-up intentions, we examined participants' (N = 24) think-aloud responses to a laboratory system graph depicting lab values over time. Overall, 18 participants expressed confusion at least once and 12 misinterpreted one or more aspects of the graph. Common areas of confusion included axis labelling
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.
Delirium is a frequent and severe complication in inpatient care, leading to increased mortality and cognitive impairment. The KIDELIR project aims to develop a clinical decision support system (CDSS) based on artificial intelligence (AI) to predict delirium risk and improve prevention by addressing the practical needs of healthcare professionals (HCPs) through a participatory, ethics-by-design approach. Initial findings highlight the need for feasible, workload-reducing tools that support interprofessional collaboration while balancing AI's role in clinical decision-making without undermining
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.
Interstitial lung disease (ILD) involves lung inflammation and fibrosis, leading to dyspnea, reduced exercise tolerance, and lower quality of life. While pulmonary rehabilitation (PR) is a promising treatment, its uptake remains low. Telemedicine tools, such as telerehabilitation, aim to improve access, though most studies have focused on COPD, leaving the benefits for ILD patients unclear. This study evaluated ILD patients' experiences with a telerehabilitation system for home-based PR. Eight participants completed tasks using the system, followed by a heuristic evaluation and a semi-structur
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.
Accurate prostate segmentation from transrectal ultrasound (TRUS) images is the key to the computer-aided diagnosis of prostate cancer. However, this task faces serious challenges, including various interferences, variational prostate shapes, and insufficient datasets. To address these challenges, a region-adaptive transformer convolution fusion net (TCF-Net) for accurate and robust segmentation of TRUS images is proposed. As a high-performance segmentation network, the TCF-Net contains a hierarchical encoder-decoder structure with two main modules: (1) a region-adaptive transformer-based enco
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.
Migraine is a common chronic headache disorder characterizsed by episodes of moderate to severe headaches, resulting in a large personal- and societal burden. To address this, we implemented a mobile app solution aimed at enhancing continuous data collection and increasing data coverage for the Empatica E4 biometric sensor device. Our ultimate goal is to use this system in a future migraine event prediction system. In our initial study, three participants wore the E4 device for eight days and were interviewed about their experience. Main user-experience feedback included the need for more freq
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.
Chronic kidney disease (CKD) is a significant health issue worldwide. This study investigates the potential of personalized chatbots to support kidney disease patients and their caregivers in Saudi Arabia. Using a cross-sectional design, data was collected via an online questionnaire to get insights into patient preferences and willingness to use chatbots in kidney disease care. Findings revealed high acceptance of chatbot technology, with 95.5% of participants willing to engage with a virtual assistant. Key features identified include dietary guidance, educational content, and psychological s
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 aims to evaluate the success of artificial intelligence models developed using convolutional neural network-based algorithms on CBCT images. Labeling was done by segmentation method for 15 different conditions including caries, restorative filling material, root-canal filling material, dental implant, implant supported crown, crown, pontic, impacted tooth, supernumerary tooth, residual root, osteosclerotic area, periapical lesion, radiolucent jaw lesion, radiopaque jaw lesion, and mixed appearing jaw lesion on the data set consisting of 300 CBCT images. In model development, the Mas
СтатьяОценочное 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 AND SIGNIFICANCE: Clinical decision support systems (CDSS) can improve evidence-based oncology care, but many rely on opaque AI models that limit transparency and reproducibility. Rule-based approaches provide interpretability but often lack adaptability, a critical issue in prostate cancer where decisions depend on tumor stage, PSA, Gleason score, comorbidities, and life expectancy. Bridging explainability and adaptability is essential for trustworthy decision support.
OBJECTIVE: To develop and evaluate OnCATs, a modular, explainable, hybrid-ready CDSS that encodes prostate cancer
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.
Recognising sepsis in fast-paced Emergency Department (ED) environments is challenging. The Sepsis risk AI algorithm For Emergency department WAITing room (SAFE WAIT) model was developed to detect sepsis in the ED waiting room. We aimed to evaluate the performance and clinical utility of the SAFE-WAIT model across different patient subgroups in a silent trial. We reported standard evaluation metrics for model's performance and calculated the model's expected utility to complement the evaluation. SAFE-WAIT demonstrates an earlier prediction, better subgroup performance compared to the existing
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 employed machine learning to predict postoperative delirium in general surgery patients using data from 2017-2023. Pre-surgical, surgical, and post-surgical variables linked to delirium risk were identified through data analysis. The XGBoost model demonstrated superior performance, achieving an accuracy of 0.92 and an AUROC of 0.94. The model offers potential for early identification of high-risk patients, facilitating personalized interventions and improved outcomes.
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 developed a LightGBM model to predict postoperative delirium in orthopedic surgery patients (2017-2023), using SMOTETomek to address data imbalance. LightGBM achieved high performance (AUROC 0.98), identifying older age, multiple diagnoses, and specific medical interventions as key risk factors via SHAP analysis. The model aims to enable targeted preventive interventions, particularly for elderly patients, to reduce delirium incidence and improve recovery. This AI-driven approach supports proactive clinical management and better patient outcomes.
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