IntroductionLymphovascular invasion (LVI) is associated with poor outcomes in lung adenocarcinoma, yet accurate preoperative prediction in clinical stage IA disease remains difficult. We aimed to develop and validate a multicenter ensemble machine-learning model that integrates intratumoral heterogeneity (ITH) score and clinicoradiological features for preoperative LVI prediction.MethodsIn this retrospective multicenter prediction-model development and external validation study, 1,527 patients with surgically confirmed stage IA lung adenocarcinoma from three tertiary centers were included. Pat
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.
OBJECTIVE: To validate a hypoxic ischaemic encephalopathy (HIE) prediction algorithm to identify infants at risk of HIE immediately after bi … r of birth INTERVENTIONS: Previously trained open-source logistic regression and random forest (RF) prediction algorithms were used to calculate a probability index (PI) for each infant for the occurrence of HIE.
MAIN OUTCOME: Validation of a machine learning algorithm to identify infants at risk of HIE in the immediate postnatal period.
RESULTS: 1081 had a complete …
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.
Fetal ventriculomegaly (VM) and its severity and associated central nervous system (CNS) abnormalities are important indicators of high risk for impaired neurodevelopmental outcomes. Recently, a novel fetal brain age prediction method using a two-dimensional (2D) single-channel convolutional neural network (CNN) with multiplanar MRI sections showed the potential to detect fetuses with VM. This study examines the diagnostic performance of a deep learning-based fetal brain age prediction model to distinguish fetuses with VM (n = 317) from typically developing fetuses (n = 183), the severity of V
СтатьяПоддержка NIH: внешняя программаПоиск 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.
AIM: To develop and validate a machine learning (ML) model based on positron emission tomography/computed tomography (PET/CT) multi-modality fusion radiomics to improve the prediction efficiency of mediastinal-hilar lymph node metastasis (LNM).
MATERIALS AND METHODS: Eighty-eight non-small cell lung cancer (NSCLC) patients with 559 LNs from centre 1 were divided into training and internal validation cohorts (7:3 ratio), and 75 patients with 543 LNs from centre 2 were assigned as external validation cohorts. PET and CT images were fused by wavelet transform. Multi-modality fusion radiomics fea
СтатьяМногоцентровое 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.
BACKGROUND: Understanding early predictors of treatment outcomes allows better outcome prediction and resource allocation for efficient tuberculosis (TB) management.
OBJECTIVES: This study aimed to predict treatment outcomes of TB patients from a real-world population-wide health record dataset with a significant rate of incomplete observations. In addition, potential risk factors associated with death during TB treatment were investigated.
METHODS: We exploited the upweighting approach and multiple imputation analysis (MIA) to address the extreme imbalance in responses and missing data. Thr
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: Root surface caries, commonly known as root decay, is a common dental disorder that affects tooth roots. Like enamel-based tooth decay, root caries attack exposed root surfaces caused by gum recession or periodontal disease. Older persons with gum recession, tooth loss, or poor oral hygiene may be more likely to develop this disorder. Dental root caries must be diagnosed early to improve treatment and prevention. This research will examine radiographic image-based AI-based root caries prediction algorithms.
METHODS: Saveetha Dental College supplied 200 root surface radiographs. An…
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 prediction of wave overtopping at sea defences remains central to the protection of lives, livelihoods, and infrastructural assets in coastal zones. In addressing the increased risks of rising sea levels and more frequent storm surges, robust assessment and prediction methods for overtopping prediction are increasingly important. Methods for predicting overtopping have typically relied on empirical relations based on physical modelling and numerical simulation data. In recent years, with advances in computational efficiency, data-driven techniques including advanced Machine Learning (
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.
OBJECTIVES: Nearly 20% of pregnancies in patients with SLE result in an adverse pregnancy outcome (APO). We previously developed an APO prediction model using logistic regression and data from Predictors of pRegnancy Outcome: bioMarkers In Antiphospholipid Antibody Syndrome and Systemic Lupus Erythematosus (PROMISSE), a large multicentre study of pregnant women with mild/moderate SLE and/or antiphospholipid antibodies. Our goal was to determine whether machine learning (ML) approaches improve APO prediction and identify other risk factors.
METHODS: The PROMISSE data included 41 predictors fro
СтатьяМногоцентровое исследованиеПоддержка исследования: вне правительства СШАПоддержка NIH: внешняя программаПоиск 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.
Predicting the progression of Alzheimer's Disease (AD) has been held back for decades due to the lack of sufficient longitudinal data required for the development of novel machine learning algorithms. This study proposes a novel machine learning algorithm for predicting the progression of Alzheimer's disease using a distributed multimodal, multitask learning method. More specifically, each individual task is defined as a regression model, which predicts cognitive scores at a single time point. Since the prediction tasks for multiple intervals are related to each other in chronological order, m
СтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПоддержка правительства СШАПоиск 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.
Toxicity is an important factor in failed drug development, and its efficient identification and prediction is a major challenge in drug discovery. We have explored the potential of microscopy images of fluorescently labeled nuclei for the prediction of toxicity based on nucleus pattern recognition. Deep learning algorithms obtain abstract representations of images through an automated process, allowing them to efficiently classify complex patterns, and have become the state-of-the art in machine learning for computer vision. Here, deep convolutional neural networks (CNN) were trained to predi
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.
BACKGROUND: Early risk stratification is important in the management of patients with acute coronary syndromes (ACS).
OBJECTIVE: To develop a rapidly available risk stratification tool for use in all ACS.
DESIGN AND METHODS: Application of modern data mining and machine learning algorithms to a derivation cohort of 7520 ACS patients included in the AMIS (Acute Myocardial Infarction in Switzerland)-Plus registry between 2001 and 2005; prospective model testing in two validation cohorts.
RESULTS: The most accurate prediction of in-hospital mortality was achieved with the "Averaged One-Depende
СтатьяМногоцентровое исследованиеПоддержка исследования: вне правительства СШАВалидационное 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.
Heat transfer augmentation of the nanofluids is still an attractive concept for researchers due to rising demands for designing efficient heat transfer fluids. However, the pressure loss arisen from the suspension of nanoparticles in liquid is known as a drawback for developing such novel fluids. Therefore, prediction of the nanofluid pressure, especially in internal flows, has been focused on studies. Computational fluid dynamics (CFD) is a commonly used approach for such a prediction of fluid flow. The CFD tools are perfect and precise in prediction of the fluid flow parameters. But they mig
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.
Feature annotation in liquid chromatography-mass spectrometry (LC-MS)-based untargeted metabolomics remains challenging. Retention time (RT) prediction can support candidate prioritization and improve annotation confidence. Here, we present FastRet, an R package predicting RTs using Least Absolute Shrinkage and Selection Operator (LASSO) and Boosted Regression Trees (BRT) on molecular descriptors. FastRet provides a flexible framework combining from-scratch model training, selective measuring to prioritize metabolites for remeasurement, and model adjustment to adapt existing models to changed
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.
MOTIVATION: The presence or absence of some genes in a genome can influence whether other genes are likely to be present or absent. Understanding these gene co-occurrence and avoidance patterns reveals fundamental principles of genome organization, with applications ranging from evolutionary reconstruction to rational design of synthetic genomes.
RESULTS: PanForest, presented here, uses random forest classifiers to predict the presence and absence of genes in genomes from the set of other genes present. Performance statistics output by PanForest reveal how predictable each gene's presence or
СтатьяПоддержка исследования: вне правительства СШАПоиск 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 predict the short-term trends of confirmed COVID-19 cases and the MASI stock index in Morocco using the ARIMA method. COVID-19 case data were obtained from Our World in Data, while MASI stock market data were obtained from Investing.com. The dataset covered the period from March 2, 2020 to April 28, 2022. To develop the predictive model, data from March 2, 2020 to April 28, 2022, were used for training. Data from April 22, 2022 to April 28, 2022, were used for model fitting for COVID-19 cases, and from April 25, 2022 to April 29, 2022, for the MASI index. Based on these mod
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.
OBJECTIVE: To systematically evaluate existing risk prediction models for autogenous arteriovenous fistula (AVF) dysfunction in maintenance hemodialysis (MHD) patients, in order to provide a reference for clinical practice.
MATERIALS AND METHODS: A systematic search was conducted in China National Knowledge Infrastructure (CNKI), Wanfang Data Knowledge Service Platform, VIP Chinese Science and Technology Journal Database, Chinese Biomedical Literature Database (CBM), PubMed, Web of Science, Embase, and The Cochrane Library ror studies on the development and validation of risk prediction model
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.
Accurate cloud workload forecasting is critical for proactive resource provisioning, cost control, and Service Level Agreement (SLA) compliance; however, it is hindered by the scarcity and heterogeneity of labels. We present Time Series Augmentation for Multi-Scale Prediction (TSA-MSP), a self-supervised framework that achieves near-fully supervised accuracy with limited labels. Conceptually, TSA-MSP couples cloud-informed augmentations-multi-scale time warping, frequency-domain mixing, and periodic pattern injection-with a hierarchical multi-scale contrastive objective and efficient fine-tuni
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.
AIM: To provide evidence for selecting and developing reliable clinical assessment tools for hypoglycemia in diabetic kidney disease patients during haemodialysis.
DESIGN: Review.
METHODS: Systematic searches were performed in 9 Chinese and English databases to collect literature regarding the development of hypoglycemia risk prediction models in haemodialysis patients with diabetic kidney disease. Two reviewers independently performed literature screening, data extraction, risk-of-bias assessment, and applicability evaluation. The Prediction Model Risk of Bias Assessment Tool was used to as
СтатьяСистематический обзорМетаанализПоиск 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: Prediction models for cognitive impairment offer significant advantages in public health preventive strategies in high-risk chronic kidney disease populations, but their methodological quality and applicability remain unclear. The aims of this study were to systematically review and critically appraise the existing prediction models for cognitive impairment in chronic kidney disease.
METHODS: PubMed, Web of Science, Embase, CINAHL, Cochrane Library, China National Knowledge Infrastructure, Wanfang Database, SinoMed, and China Science and Technology Journal Database were searched
СтатьяСистематический обзорПоиск 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: We aim to conduct a systematic review and meta-analysis to evaluate the performance of existing predictive models for adverse pregnancy outcomes in pregnancies with fetal growth restriction from multiple perspectives. METHODS: A systematic literature search was conducted in PubMed, the Cochrane Library, Web of Science, and CNKI up to January 2025 to identify studies on the development, validation, or updating of clinical prediction models for adverse pregnancy outcomes in fetal growth restriction. Risk of bias was assessed using the Prediction Model Study Risk of Bias Assessment To
СтатьяСистематический обзорМетаанализПоиск 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