Styrene-butadiene-styrene (SBS)-modified asphalt is a physical polymer gel system in which SBS forms a three-dimensional elastic network within the asphalt matrix. This network structure governs the rheological and mechanical properties of the material, yet the quantitative relationships among processing parameters, material composition, microstructure, and macroscopic performance remain insufficiently understood. This study proposes a multi-scale machine learning framework to establish processing-composition-structure-performance mappings for SBS-modified asphalt gels. A dataset of 1072 exper
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 rhinosinusitis with nasal polyps (CRSwNP) is a prevalent inflammatory disease of the sinuses that significantly diminishes patients' quality of life. Endoplasmic reticulum stress (ERS) is strongly associated with the initiation and progression of numerous inflammatory diseases. This study aimed to identify ERS-related hub genes in CRSwNP using bioinformatics approaches. We combined the GSE136825 and GSE179265 datasets. Subsequently, we performed differential expression analysis and weighted gene co-expression network analysis. The genes identified were then cross-referenced with those
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 developed a machine learning algorithm to predict gestational diabetes mellitus (GDM) using retrospective data from 34,387 pregnancies in multi-centers of South Korea. Variables were collected at baseline, E0 (until 10 weeks' gestation), E1 (11-13 weeks' gestation) and M1 (14-24 weeks' gestation). The data set was randomly divided into training and test sets (7:3 ratio) to compare the performances of light gradient boosting machine (LGBM) and extreme gradient boosting (XGBoost) algorithms, with a full set of variables (original). A prediction model with the whole cohort achieved are
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.
Sepsis may lead to kidney function decline in patients with chronic kidney disease (CKD), and the deleterious effect may persist in patients who survive sepsis. We used a machine learning approach to predict the risk of end-stage renal disease (ESRD) in sepsis survivors. A total of 11,661 sepsis survivors were identified from a single-center database of 112,628 CKD patients between 2010 and 2018. During a median follow-up of 3.5 years, a total of 1366 (11.7%) sepsis survivors developed ESRD after hospital discharge. We adopted the random forest, extra trees, extreme gradient boosting, light gr
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.
INTRODUCTION: This study used the Extreme Gradient Boosting (XGBoost) machine learning model to conduct an in-depth analysis of the potential relationship between pulse index continuous cardiac output (PiCCO) and multiple clinical prognostic indicators, including left ventricular ejection fraction (LVEF), N-terminal pro-brain natriuretic peptide (NT-proBNP) levels, and 30-day major adverse cardiovascular events (MACE), in patients with cardiogenic shock. The aim of this study was to investigate the predictive ability of PiCCO hemodynamic parameters and the relative contribution features based
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.
Delayed functional recovery after injury is associated with significant personal and socioeconomic burden. Identification of patients at risk for a prolonged recovery after a musculoskeletal injury is thus of high relevance. The aim of the current study was to show the feasibility of using a machine learning assisted model to predict functional recovery based on the pre- and immediate post injury patient activity as measured with wearable systems in trauma patients. Patients with a pre-existing wearable (smartphone and/or body-worn sensor), data availability of at least 7 days prior to their i
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: The prognosis for gallbladder cancer (GBC) patients is generally poor due to the early occurrence of distant metastasis (DM). However, research on predicting the risk of DM in GBC patients is still limited. Therefore, this study aimed to apply the Surveillance, Epidemiology, and End Results (SEER) database with machine learning (ML) methods to construct a novel model for predicting the risk of DM in GBC patients.
METHODS: The data of GBC patients from the SEER database (2000-2020) were divided into a training set and an internal test set in a 7:3 ratio. Univariate and multivariate
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.
IntroductionCurrent preventive screening reminders use generic due-date notifications that lack personalization. Targeted reminders allow personalized messages and resource allocation, yet the accuracy of behavioral forecasting with cholesterol screening behaviors remains unconfirmed. Therefore, this study aims to examine the accuracy of machine learning in predicting adults' future cholesterol screening behavior.MethodsThis study included 8,288 participants from the Health and Retirement Study. Never receiving cholesterol screening over 12 years of follow-up (2007-2018) was identified as the
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.
Quantitative prediction of drug removal by hemodialysis is essential for rational dose design in patients with renal failure. We aimed to develop a machine learning-based quantitative structure-pharmacokinetic relationship (QSPKR) model to predict hemodialysis clearance (CLHD) using molecular descriptors and dialysis conditions. CLHD data were compiled from published clinical studies, yielding a dataset comprising 46 compounds; 457 measurements; 7 dialysis membrane types; and dialysis parameters, including blood flow rate (QB) and dialysate flow rate (QD). Recursive feature elimination reveale
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.
Readmissions after heart failure hospitalization are common, costly, and potentially preventable, but discharge risk stratification remains challenging, particularly in rural health systems with constrained resources. We aimed to develop an interpretable artificial intelligence approach to estimate individual 30-day all-cause readmission risk using routinely collected variables. We analyzed nearly 5,000 heart failure admissions from a non-public regional Spanish registry representing a rural healthcare setting (2000-2019; 8.2% readmitted within 30 days) and not previously used for artificial i
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.
Pain assessment in clinical practice largely relies on patient-reported subjectivity. Although previous studies using fMRI and EEG have attempted objective pain evaluation, their focus has been limited to resting conditions. This study aimed to classify pain levels during movement using a wearable device with three forehead electrodes and advanced machine learning. Twenty-five healthy participants performed walking tasks under tourniquet-induced pain. It was confirmed that pain increased as walking time extended. Walking time was used as an index of pain stimulus intensity, and EEG data were c
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.
Due to the inconvenience of drawing blood and the possibility of infection associated with invasive methods, research on non-invasive glycated hemoglobin (HbA1c) measurement methods is increasing. Utilizing wrist photoplethysmography (PPG) with machine learning to estimate HbA1c can be a promising method for non-invasive HbA1c monitoring in diabetic patients. This study aims to develop a HbA1c estimation system based on machine learning algorithms using PPG signals obtained from the wrist. We used a PPG based dataset of 22 subjects and algorithms such as extreme gradient boosting (XGBoost), li
Сравнительное исследованиеСтатьяПоиск 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/Objectives: Obstructive sleep apnea (OSA) is traditionally classified according to the apnea-hypopnea index (AHI), although AHI alone does not fully capture the heterogeneity of disease severity. This study introduces a novel polysomnography-derived biomarker, the Sleep Disturbance Ratio (SDR), and evaluates its contribution to OSA severity classification using explainable machine learning approaches. Methods: A retrospective study was conducted using polysomnographic data from 767 adults who underwent overnight sleep studies. SDR was calculated as the logarithmic ratio between ligh
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: Duration of surgery (DOS) varies substantially for patients with hip and knee arthroplasty (HA/KA) and is a major risk factor for adverse events. We therefore aimed (1) to identify whether machine learning can predict DOS in HA/KA patients using retrospective data available before surgery with reasonable performance, (2) to compare whether machine learning is able to outperform multivariable regression in predictive performance and (3) to identify the most important predictor variables for DOS both in a multi- and single-hospital context.
METHODS: eXtreme Gradient Boosting (XGBoos
СтатьяВалидационное исследованиеПолный 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: Drug-related problems (DRPs) are a significant concern in healthcare. Pharmacists play a vital role in detecting and resolving DRPs to improve patient safety. A pharmacy inquiry program was established in a tertiary teaching hospital to document inquiries about physicians' orders, aimed at preventing potential DRPs or providing medication information during order reviews.
OBJECTIVE: We aimed to develop machine-learning models using a pharmacy inquiry database to predict dose-related inquiries based on prescriptions and patient information.
METHODS: This retrospective study analyz
СтатьяПоддержка исследования: вне правительства СШАПолный 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: Thyrotoxic atrial fibrillation (TAF) is a recognized significant complication of hyperthyroidism. Early identification of the individuals predisposed to TAF would improve thyrotoxic patients' management. However, to our knowledge, an instrument that establishes an individual risk of the condition is unavailable. Therefore, the aim of this study is to build a TAF prediction model and rank TAF predictors in order of importance using machine learning techniques.
METHODS: In this retrospective study, we have investigated 36 demographic and clinical features for 420 patients with overt
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.
End-stage kidney disease (ESKD) is the irreversible final stage of chronic kidney disease in which the kidneys lose their independent function. This study presents a machine learning framework to predict all-cause mortality in ESKD patients by the end of a follow-up period. We combined patient-specific clinical factors with social determinants of health (SDOH) to assess their influence on survival outcomes. Data were obtained from the United States Renal Data System, including patients admitted in 2015 and followed through August 2021. Community-level SDOH data were integrated from the Agency
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.
Accurately estimating muscle activation remains a major challenge in neuromuscular modeling, particularly when direct measurements are limited by sensor placement, noise, and accessibility constraints. Traditional approaches such as inverse dynamics and static optimization require high-quality kinematic and kinetic data, while surface electromyography (sEMG) signals are often complex, nonlinear, and difficult to interpret directly. This study evaluated whether deep learning models can learn generalizable intermuscular activation relationships using sEMG alone. Measured muscle activations were
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: Postoperative length of stay is a key indicator in the management of medical resources and an indirect predictor of the incidence of surgical complications and the degree of recovery of the patient after cancer surgery. Recently, machine learning has been used to predict complex medical outcomes, such as prolonged length of hospital stay, using extensive medical information.
OBJECTIVE: The objective of this study was to develop a prediction model for prolonged length of stay after cancer surgery using a machine learning approach.
METHODS: In our retrospective study, electronic he
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/BACKGROUND: Migraine is a disabling neurological disorder with substantial interindividual variability. Predicting whether an ongoing migraine attack will persist into the following day remains challenging. We evaluated the feasibility and predictive performance of personalized machine learning models for predicting next-day migraine persistence using longitudinal digital headache diary data.
METHODS: This prospective longitudinal cohort study was designed for prognostic prediction model development. Participants were recruited from two medical centers in Taiwan between February 20
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