To identify neutrophil extracellular trap (NET)-associated gene features in the blood of patients with myocardial infarction (MI) using bioinformatics and machine learning, with the aim of exploring potential diagnostic utility in atherosclerosis. The datasets GSE66360 and GSE48060 were downloaded from the Gene Expression Omnibus (GEO) public database. GSE66360 was used as the training set, and GSE48060 was used as an independent validation set. Differential genes related to NETs were screened using R software. Machine learning was performed based on the differential expression of NET-related
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: Bipolar disorder (BD) is a type of severe mental illness with symptoms of mania or depression, it is necessary to find out effective diagnostic biomarkers for BD due to diagnosing BD is based on clinical interviews without objective indicators.
MATERIALS AND METHODS: The mRNA expression levels of genes included PIK3R1, FYN, TP53, PRKCZ, PRKCB, and YWHAB in the peripheral blood of 43 patients with bipolar disorder and 47 healthy controls were detected. Machine learning methods included Artificial Neural Networks, Extreme Gradient Boosting, Random Forest, and Support Vector Machine 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.
OBJECTIVE: Prolonged air leak (PAL), defined as air leakage lasting more than 5 days, remains a prevalent complication following uniportal video-assisted thoracic surgery (uVATS) segmentectomy, contributing to extended hospitalization, elevated medical expenditures, and higher postoperative morbidity. This study was designed to develop and internally validate machine learning models for predicting PAL after uVATS segmentectomy using a comprehensive set of clinical, surgical, and physiological variables.
METHODS: A retrospective cohort study was conducted including 610 consecutive patients who
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: Hyperhomocysteinemia (HHcy) is recognized as an independent risk factor for coronary heart disease (CHD), yet accurately predicting CHD risk in patients with HHcy remains a challenge. This study aimed to develop and validate multiple machine learning models for predicting CHD risk in patients with HHcy and elucidate key predictors using Shapley Additive Explanation (SHAP) algorithms.
OBJECTIVE: This study aims to develop and validate machine learning models for predicting the risk of coronary heart disease in individuals with normal homocysteine levels, aiming to improve early ris
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.
OBJECTIVE: To construct a risk prediction model for potentially inappropriate medications (PIM) in elderly stroke patients based on multiple machine-learning algorithms, providing decision support to identify high-risk patients and ensure rational clinical medication use.
METHODS: A total of 1,252 discharged stroke patients from a tertiary hospital in Anhui Province, China, were included from January 2023 to December 2024. PIM was assessed using the American Geriatrics Society 2023 Updated Beers Criteria®. Univariate analysis identified factors potentially associated with PIM, and the least a
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: Acute renal failure after extracorporeal cardiac surgery under general anesthesia is high and unpredictable, but machine learning algorithms could change this. A feasible approach is to use machine learning models to construct models to predict acute kidney injury after extracorporeal cardiac surgery (CSA-AKI) and screen for the best predictive model.
METHOD: From January 2014 to December 2021, 2187 patients undergoing extracorporeal cardiac surgery at the third hospital of Hebei Medical University and the first medical centre of Chinese PLA General Hospital were collected in this
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: Monkeypox virus is gaining attention due to its severity and spread among people. This study sheds light on the modeling and forecasting of new monkeypox cases. Knowledge about the future situation of the virus using a more accurate time series and stochastic models is required for future actions and plans to cope with the challenge.
METHODS: We conduct a side-by-side comparison of the machine learning approach with the traditional time series model. The multilayer perceptron model (MLP), a machine learning technique, and the Box-Jenkins methodology, also known as the ARIMA model,
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.
To address the issues of insufficient objectivity and difficulty in locating muscle dysfunction in current lower-limb gait assessment methods, this paper proposes a personalized lower-limb gait assessment method that integrates a musculoskeletal model with machine learning. First, a personalized musculoskeletal model is constructed using human biomechanical simulation software through model scaling and optimized calibration of key muscle parameters, and the validity of the proposed model is verified by comparing simulation results with experimental data. Second, the peak coefficient of variati
Аннотация на английскомСтатьяПоиск 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. Upper-limb gesture identification is an important problem in the advancement of robotic prostheses. Prevailing research into classifying electromyographic (EMG) muscular data or electroencephalographic (EEG) brain data for this purpose is often limited in methodological rigour, the extent to which generalisation is demonstrated, and the granularity of gestures classified. This work evaluates three architectures for multimodal fusion of EMG & EEG data in gesture classification, including a novel Hierarchical strategy, in both subject-specific and subject-independent settings.Approach
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: Early prediction of upper limb recovery is important to optimise rehabilitation and inform patients but remains challenging due to inter-individual variability. This study aims to (1) develop and validate a machine learning model to predict arm-hand capacity at six months post-stroke using clinical variables from the first week; (2) compare its performance to a mixed-effects model; and (3) co-design a user-friendly output visualisation with clinician input.
METHODS: From data of 451 first-ever ischemic stroke patients, we selected total Action Research Arm Test score (ARAT), shoul
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.
To enhance the classification accuracy of lower limb movements, a fusion recognition model integrating a surface electromyography (sEMG)-based convolutional neural network, transformer encoder, and long short-term memory network (CNN-Transformer-LSTM, CNN-TL) was proposed in this study. By combining these advanced techniques, significant improvements in movement classification were achieved. Firstly, sEMG data were collected from 20 subjects as they performed four distinct gait movements: walking upstairs, walking downstairs, walking on a level surface, and squatting. Subsequently, the gathere
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.
Lack of nutrient-rich food consumption is considered an important underlying factor affecting the healthy development of children, and can lead to developmental delays and various disorders. There is limited evidence on the predicators of dietary diversity. We aimed to train and test eight machine learning algorithms in the Ethiopian demographic and health survey (EDHS) from 2005-2019. We used secondary data from EDHS 2005, 2011, 2016 and 2019. A total of 8,996 weighted samples of children aged 6-23 months were included in the study. STATA 17 was used to extract variables from the EDHS dataset
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 majority of LGA occurs in normoglycemic pregnancies, yet prediction models integrating lipid metabolism for this population are lacking. This study aimed to develop and validate machine learning models based on lipid metabolic profiles to predict LGA risk in non-diabetic pregnant women.
METHODS: We retrospectively analyzed 1,968 singleton pregnancies without diabetes. Lipid profiles were assessed at early pregnancy (11-14 weeks) and mid-pregnancy (20-24 weeks). The dataset was randomly divided into training (n = 1,574) and independent test sets (n = 394) using stratified sampli
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: The prevalence, incidence rate and burden of injuries are high in rugby union. Despite the growing application of machine learning for injury risk analysis in sport, its use in rugby union has been primarily confined to single-team and single-season study cohorts. The aim of this study was to evaluate the performance of machine learning-based injury risk prediction models in elite male rugby union and to interpret their potential applicability in professional sporting environments.
METHODS: Multi-season data (2021/22-2023/24) relating to 129 professional male rugby union players f
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: Patients with hepatitis B virus (HBV)-related compensated advanced chronic liver disease (cACLD) demonstrate significant liver fibrosis and portal hypertension, further increasing their hepatocellular carcinoma (HCC) risk. This study aimed to develop and validate machine learning-based HCC risk prediction models. METHODS: We retrospectively enrolled 1051 patients with HBV-related cACLD, randomly allocated patients to training (n = 736) and validation (n = 315) cohorts. Feature selection was performed using least absolute shrinkage and selection operator regression, random forest (RF),
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.
RATIONALE AND OBJECTIVES: This study aimed to develop machine learning and nomogram models based on brain amyloid standardized uptake value ratio (SUVR) for the prediction of Alzheimer's disease (AD). Least absolute shrinkage and selection operator (LASSO) regression was employed to identify key brain regions associated with amyloid SUVR, which were then integrated into a composite SUVR_Score. A nomogram model was subsequently constructed to support clinical decision-making.
METHODS: A total of 751 subjects diagnosed with either cognitively normal (CN; n=550) or Alzheimer's disease (AD; n=201
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.
Lower extremity diabetic foot ulcers (DFUs) are a severe consequence of diabetes mellitus (DM). It has been estimated that people with diabetes have a 15% to 25% lifetime risk of acquiring DFUs which leads to the risk of lower limb amputations up to 85% due to poor diagnosis and treatment. Diabetic foot develops planter ulcers where thermography is used to detect the changes in the planter temperature. In this study, publicly available thermographic image data including both control group and diabetic group patients are used. Thermograms at image level as well as patch level are utilized for D
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: Dysphagia is recognized as one of the most common severe complications following cardiac surgery, with the potential to result in adverse clinical outcomes, including aspiration pneumonia, malnutrition, and prolonged hospitalization. Early identification of patients at high risk for postoperative dysphagia is critical for implementing targeted preventive interventions and improving clinical outcomes. However, traditional risk assessment approaches have inherent limitations in accurately predicting this complication. Accordingly, this study was designed to develop and validate a mac
СтатьяНаблюдательное исследованиеПолный 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: Despite advances in prosthetic technology, many individuals with lower limb amputation (LLA) fall short of achieving their full functional potential. The Medicare Functional Classification Level (K-level) system remains a standard for guiding prosthetic prescriptions; however, it has historically reflected anticipated mobility potential rather than actual performance in daily life. Similarly, standardized clinical assessments provide only episodic snapshots and are limited in their ability to determine whether individuals will meet their real-world mobility goals. Consequently, 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.
Walking is a key movement of interest in biomechanics, yet gold-standard data collection methods are time- and cost-expensive. This paper presents a real-time, multimodal, high sample rate lower-limb motion capture framework, based on wireless wearable sensors and machine learning algorithms. Random Forests are used to estimate joint angles from IMU data, and ground reaction force (GRF) is predicted from an instrumented insole, while joint moments are predicted from angles and GRF using deep learning based on the ResNet-16 architecture. All three models achieve good accuracy compared to the li
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