INTRODUCTION: Climate change is causing an increase in natural disasters and extreme weather events. This threat is impacting the mental health of those who experience it. However, empirical research in the Spanish context is limited by the lack of culturally adapted tools.
METHODS: In this study, we have adapted and validated with a Spanish sample composed by 73 participants the Natural Disasters Picture System (NDPS). The methodology incorporated Exploratory Factor Analysis (EFA), Mixed Linear Models (MLM) with intercepts for subjects and stimuli, and predictive classification using Machine
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 proposes a machine learning-based peptide screening strategy for identifying wheat-derived peptides with anti-caries potential. By integrating multiple feature descriptors and algorithms (Random Forest, XGBoost), we constructed a Screening Funnel Model and identified a wheat-derived peptide AP-2 (FPVTWRWWKWW) as the prioritized candidate. Experimental validation demonstrated that AP-2 exhibits potent antibacterial activity against Streptococcus mutans (MIC = 4 μM), achieving rapid bactericidal effects through bacterial membrane disruption, and significantly inhibits biofilm formatio
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 AND OBJECTIVE: Patients with spinal cord injury (SCI), are prone to pressure injury (PI) in the soft tissues of buttocks. Early prediction of PI holds the potential to reduce the occurrence and progression of PI. This study proposes a machine learning model to predict soft tissue stress/strain and evaluate PI risk in SCI patients.
METHODS: Based on the standard database from parametric models of buttock, the biomechanical response of soft tissues and risk factors affecting PI were analyzed. A comprehensive assessment of multiple machine-learning methods was performed to predict the
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.
Antibiotics are considered the most effective treatment against bacterial infections. However, most bacteria have already developed resistance to a broad spectrum of commonly used antibiotics, mainly due to their uncontrolled use. Extended-spectrum beta-lactamase (ESBL)-producing bacteria are an essential class of multidrug-resistant (MDR) bacteria. It is of extreme urgency to develop a method that can detect ESBL-producing bacteria rapidly for the effective treatment of patients with bacterial infectious diseases. Fourier transform infrared (FTIR) microscopy is a sensitive method that can rap
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.
Mild cognitive impairment (MCI) is a clinical condition characterized by a decline in cognitive ability and progression of cognitive impairment. It is often considered a transitional stage between normal aging and Alzheimer's disease (AD). This study aimed to compare deep learning (DL) and traditional machine learning (ML) methods in predicting MCI using plasma proteomic biomarkers. A total of 239 adults were selected from the Alzheimer's Disease Neuroimaging Initiative (ADNI) cohort along with a pool of 146 plasma proteomic biomarkers. We evaluated seven traditional ML models (support vector
СтатьяСравнительное 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.
OBJECTIVES: This study leveraged machine learning algorithms to observationally elucidate how proximal joint muscle activation patterns-particularly those involving the trunk and hip-are associated with the modulation of tibial loading during running. These findings may provide preliminary theoretical insights into reducing tibial loading during running in individuals with medial tibial stress syndrome (MTSS) and in preventing recurrence.
DESIGN: Cross-sectional design.
SETTING: Biomechanics laboratory with musculoskeletal modeling and machine learning.
PARTICIPANTS: A total of 174 recreati
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: Thoracic endovascular aortic repair (TEVAR) and complex endovascular aneurysm repair (EVAR) are complex procedures that carry a significant risk of complications. While risk prediction tools can aid in clinical decision making, they remain limited. We developed machine learning algorithms to predict outcomes following TEVAR and complex EVAR.
METHODS: The Vascular Quality Initiative database was used to identify patients who underwent elective TEVAR and complex EVAR for noninfrarenal aortic aneurysms between 2012 and 2023. We extracted 172 features from the index hospitalization, i
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: Bloodstream infection (BSI) is a systemic infection that predisposes individuals to sepsis and multiple organ dysfunction syndrome. Early identification of infectious agents and determination of drug-resistant phenotypes can help patients with BSI receive timely, effective, and targeted treatment and improve their survival. This study was based on matrix-assisted laser desorption/ionization time-of-flight mass spectrometry (MALDI-TOF MS), Decision Tree (DT), Random Forest (RF), Gradient Boosting Machine (GBM), eXtreme Gradient Boosting (XGBoost), and Extremely Randomized Trees (ERT
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: This study aimed to identify the effectiveness of free water MRI (FW-MRI) features for predicting amyloid-beta (Aβ) statuses in Alzheimer’s disease (AD) by constructing diagnostic models using machine learning analysis. METHODS: This study retrospectively included 96 patients of mild cognitive impairment (MCI) and AD (69 Aβ-positive and 27 Aβ-negative). Clinical characteristics, FW-corrected and standard diffusion indices, and structural MRI indices were collected. Three supervised machine learning algorithms, including random forest (RF), support vector machine (SVM), and extreme gra
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: Hypoglycemia is a serious complication of diabetes. Early recognition of hypoglycemia can improve clinical prognosis, however, traditional diagnostic tools are often limited. Machine learning offers a promising approach for predicting adverse outcomes in diabetic patients.
OBJECTIVE: This study aims to develop and validate machine learning-based models to predict the risk of hypoglycemia in type 2 diabetes mellitus (T2DM) patients.
METHODS: A cohort study design was employed. Clinical data were collected from the electronic health record system. The dataset was randomly partition
СтатьяВалидационное 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.
BACKGROUND: Postoperative pneumonia is a significant complication, highlighting a patient's ongoing vulnerability. While traditional tools focus on short-term outcomes, the perioperative period offers a unique "stress test" window to identify high-risk patients. This study developed and validated a machine-learning-based prognostic framework to predict pneumonia risk up to one year after surgery.
METHODS: This retrospective study examined 11,655 surgical encounters at a tertiary hospital. Multiple machine learning algorithms, including random forest (RF), extreme gradient boosting, support ve
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: Diabetes is a chronic disease characterized by elevated blood glucose levels. Without early detection and proper management, it can lead to serious complications and increase healthcare costs. Its global prevalence is rising, with many cases remaining undiagnosed. In this study, we developed an explainable machine learning model using a two-stage approach for predicting diabetes.
METHODS: Five machine learning (ML) models, including Multi-Layer Perceptron, Support Vector Machine, K-Nearest Neighbor, Extreme Gradient Boosting (XGBoost), and Naïve Bayes, were trained and evaluated u
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: Neglected Tropical Diseases (NTDs) affect 1.5 billion people worldwide with 39% of the global burden occurring in Africa. In Kenya, NTDs remain endemic despite control efforts, with co-endemicity of soil-transmitted helminths (STH), schistosomiasis (SCH), and lymphatic filariasis (LF) complicating intervention strategies. This study developed machine learning models to predict high-risk co-endemic areas using demographic and Water, Sanitation, and Hygiene (WASH) indicators.
METHODOLOGY: The study analyzed Kenya's 2022 NTD co-endemicity data from the Expanded Special Project for El
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 develop and validate a machine learning-based nomogram for predicting heart failure (HF) in elderly patients with relapsed/refractory multiple myeloma (RRMM) receiving carfilzomib-based therapy, facilitating early identification and individualized clinical management.
METHODS: This retrospective study analyzed clinical data from 192 elderly RRMM patients treated with carfilzomib-based therapy at Shaanxi Provincial Cancer Hospital (from January 1, 2023, to December 31, 2024). Machine learning algorithms, including the Least Absolute Shrinkage and Selection Operator (LASSO) regres
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.
The (re)hemorrhage in patients with sporadic cerebral cavernous malformations (CCM) was the primary aim for CCM management. However, accurately identifying the potential (re)hemorrhage among sporadic CCM patients in advance remains a challenge. This study aims to develop machine learning models to detect potential (re)hemorrhage in sporadic CCM patients. This study was based on a dataset of 731 sporadic CCM patients in open data platform Dryad. Sporadic CCM patients were followed up 5 years from January 2003 to December 2018. Support vector machine (SVM), stacked generalization, and extreme gr
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: Type 2 diabetes mellitus (T2DM) imposes a great burden on healthcare systems, and these patients experience higher long-term risks for developing end-stage renal disease (ESRD). Managing diabetic nephropathy becomes more challenging when kidney function starts declining. Therefore, developing predictive models for the risk of developing ESRD in newly diagnosed T2DM patients may be helpful in clinical settings.
METHODS: We established machine learning models constructed from a subset of clinical features collected from 53,477 newly diagnosed T2DM patients from January 2008 to Decem
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: The main obstacle to a patient's recovery following a tonsillectomy is complications, and bleeding is the most frequent culprit. Predicting post-tonsillectomy hemorrhage (PTH) allows for accurate identification of high-risk populations and the implementation of protective measures. Our study aimed to investigate how well machine learning models predict the risk of PTH.
METHODS: Data were obtained from 520 patients who underwent a tonsillectomy at The 940th Hospital of Joint Logistics Support Force of Chinese People's Liberation Army. The age range of the patients was 2-57 years, a
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 investigate the association between growth hormone (GH) pretreatment duration and cumulative live birth (CLB), identify key prognostic factors, and develop predictive models using logistic regression (LR) and machine learning (ML) algorithms among women undergoing in vitro fertilization (IVF) with GH supplementation.
METHODS: We conducted a retrospective cohort study of women undergoing IVF/intracytoplasmic sperm injection (ICSI) with GH between February 2015 and June 2023 at a single tertiary center. Five models were developed: LR, random forest (RF), extreme gradient boosting (XGBoo
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.
Acute kidney injury (AKI) is a severe and frequent complication following bee stings, with a reported incidence of 30-50%. Early identification is clinically challenging due to the delayed rise in serum creatinine. This retrospective study aimed to develop and validate an interpretable machine learning model for the early prediction of AKI in bee-sting patients. We included 305 patients admitted between January 2018 and September 2025, of whom 99 (32.5%) developed AKI according to Kidney Disease: Improving Global Outcomes (KDIGO) criteria. Least Absolute Shrinkage and Selection Operator (LASSO
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.
ObjectiveTo identify risk factors for postoperative acute kidney injury in patients undergoing off-pump coronary artery bypass grafting and to develop a machine learning model for effective risk prediction.MethodsWe extracted data from the Medical Information Mart for Intensive Care-IV database for patients who underwent off-pump coronary artery bypass grafting. Eight machine learning algorithms were trained, including logistic regression, support vector machine, gradient boosting machine, neural network, eXtreme gradient boosting, adaptive boosting, light gradient boosting machine, and catego
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