BACKGROUND: Successful stoma reversal is a critical concern for patients undergoing rectal cancer surgery, yet it is often hindered by multiple risk factors. This study aimed to develop and validate a predictive model to assess the feasibility of ileostomy reversal after rectal cancer resection while concurrently investigating whether robotic surgery offers any advantage in prophylactic stoma reversal. METHODS: We retrospectively analyzed data from two large medical centers. Three machine learning algorithms (Random Forest, XGBoost, Decision Tree) and traditional logistic regression were used
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.
Background: Warfarin pharmacogenomics is critical due to its narrow therapeutic index and significant interpatient variability. While machine learning (ML) can predict anticoagulation control status (ACS), its "black-box" nature limits clinical translatability. Explainable Artificial Intelligence (XAI) addresses this by providing interpretable insights. This study applied ML and XAI to a warfarin pharmacogenomic dataset to predict poor ACS and explain model decisions. Methods: A post hoc analysis was conducted on a cross-sectional dataset of 232 patients receiving warfarin for ≥6 months. Data
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: This study aimed to develop and validate a time-updated, explainable machine learning (ML) early-warning system for short-term mortality risk in patients with continuous ambulatory peritoneal dialysis (CAPD). Methods: Multiple supervised ML techniques were validated to stratify individuals at high risk of 6-month death, classifiers were trained, internally validated and independently temporally validated in this retrospective study of 1,484 CAPD patients in our PD center. We collected time-updated markers such as patient demographics, clinical characteristics, and laboratory data to
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.
Imperfect first-trimester screening for hypertensive disorders of pregnancy (HDP) means many high-risk women miss the window for preventive aspirin, and the biological heterogeneity of HDPs is overlooked. This study aimed to leverage first-trimester serum proteomics to create a more precise tool for predicting preeclampsia (PE) and differentiating it from other HDPs. A prospective nested case-control study (n = 172) was conducted using targeted liquid chromatography-multiple reaction monitoring-mass spectrometry (LC-MRM-MS) proteomic profiling of 115 proteins. Machine learning (ML) methods wer
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.
ObjectivesChronic obstructive pulmonary disease (COPD) is a common respiratory disorder. Acute exacerbation of COPD (AECOPD) severely affects patients' quality of life and prognosis. This study aimed to identify novel risk factors and develop an effective predictive model for AECOPD using machine learning (ML) models.MethodsIn this retrospective single-center study, clinical data and biomarkers from 565 participants were analyzed using ML algorithms. Feature selection employed least absolute shrinkage and selection operator regression. Eight ML models were trained and evaluated using receiver
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: Accurate risk stratification of biliary complications (BCs) after liver transplantation (LT) remains challenging. This study aimed to develop and validate a machine learning (ML) and nomogram framework comprising a ML-based web calculator and a clinically interpretable nomogram for post-LT BCs.
METHODS: This retrospective study analyzed 133 LT patients (2011-2025), randomly split into training (n = 94) and validation (n = 39) sets. Predictors were identified using Least Absolute Shrinkage and Selection Operator (LASSO) regression. Eight ML algorithms were trained with 5-fold cross
СтатьяВалидационное 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.
Artificial intelligence (AI) can transform osteoporosis (OP) screening, but its application in high-risk, complex populations like postmenopausal women with chronic kidney disease remains limited. We sought to develop and interpret an explainable AI model specifically for identifying low bone mass (LBM) or OP in this vulnerable group. Using data from the National Health and Nutrition Examination Survey (2005-2018), a nationally representative cross-sectional study, we developed and compared 8 AI models. For the purpose of algorithm development and comparison, the complex survey weights of Nati
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.
Elderly patients with non-small cell lung cancer (NSCLC) and bone metastases face a dire prognosis, creating an urgent need for accurate short-term mortality prediction to guide care. To develop and validate machine learning (ML) models for predicting 3-month cancer-specific mortality in patients aged 70 years or older with NSCLC and bone metastases. We analyzed data from 1,773 patients (aged ≥ 70) from the SEER database (2010-2020). The cohort was randomly split into training (70%) and validation (30%) sets. Seven ML algorithms were trained and evaluated using a comprehensive set of performan
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.
INTRODUCTION: Typhoid intestinal perforation (TIP) remains a significant cause of pediatric morbidity in resource-limited settings, with prolonged hospitalization straining healthcare resources. Accurate prediction of hospital stay duration could optimize resource allocation and clinical decision-making, yet no TIP-specific prediction models exist. The objective of this research was to develop and validate a machine learning models for predicting prolonged hospital stay (>8 d) in pediatric TIP patients using readily available admission parameters, comparing logistic regression and random fores
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.
BACKGROUND: Identifying patients with advanced stage in Parkinson's disease (PD) is crucial for timely therapeutic intervention, yet current tools rely on subjective clinical scales or expensive biomarkers. We aimed to develop and validate a predictive model based on routine blood biomarkers selected by machine learning algorithms.
METHODS: We retrospectively analyzed data from 536 PD patients in a discovery cohort and 80 patients in an independent external validation cohort. Patients were classified as having early or advanced stage based on Hoehn and Yahr staging scale. LASSO and Random For
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.
INTRODUCTION: Colorectal cancer remains one of the most prevalent gastrointestinal malignancies. This study aims to identify key genes associated with colorectal cancer recurrence, offering novel insights for prognostic assessment and personalized treatment strategies.
METHODS: Leveraging the TCGA dataset, we conducted a comprehensive analysis of differentially expressed genes between recurrent and nonrecurrent colorectal cancer patients. We developed a recurrence-associated gene signature (RAGS) model for prognostic evaluation and employed nine machine learning algorithms to predict recurren
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/PURPOSE: The Spitz classification for esophageal atresia with/without tracheoesophageal fistula (EA/TEF) predicts mortality. This study evaluates the contemporary relevance of the Spitz classification and investigates predictors of morbidity.
METHODS: EA/TEF patients born between 1995 and 2018 at two centers were retrospectively reviewed. Clinical variables including sex, prenatal diagnosis, birth weight, prematurity, major congenital heart disease (MCHD), and pre-operative mechanical ventilation (POMV) were collected. Index admission composite morbidity was considered positive if:
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 third leading cause of death worldwide is colorectal cancer due to a lack of early detection biomarkers and therapeutic small molecules. Advances in systems biology offer a combination of multi-omics and Artificial intelligence to discover the potential biomarkers and targets.
METHODS: We used a combination of in silico and in vitro methodologies to identify potential biomarkers and a putative mediator of Embelin in colon cancer treatment. The human colorectal cancer (gene expression profiling by array) datasets were analyzed by using Weighted Gene Co-expression Analysis (WGCN
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: A birth interval of less than 33 months was considered short, and in low- income countries like Ethiopia, a short birth interval is the primary cause of approximately 822 maternal deaths every day. Due to that this study aimed to predict short birth interval and associated factors among women (15-49) in Ethiopia using ensemble learning algorithms.
METHODS: A secondary data analysis of Ethiopian demographic health servey from 2016 to 2019 was performed. a total of weighted sample of 12,573 women in the reproductive age group was included in this study. Data have been extracted and
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.
BackgroundPost-stroke fatigue, as one of the long-lasting physical and mental symptoms accompanying stroke survivors, will seriously affect the daily living ability and quality of life of stroke patients.ObjectiveThe aim of this study was to develop machine learning (ML) algorithms to predict early post-stroke fatigue among patients with stroke.MethodsA longitudinal study of 702 patients with stroke followed for 3 months. Twenty-three clinical features were obtained from medical records and questionnaires before discharge. Early post-stroke fatigue was assessed using the Fatigue Severity Scale
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: Undifferentiated pleomorphic sarcoma (UPS) is a prevalent soft tissue sarcoma subtype associated with poor prognosis. Current prognostic tools lack the ability to incorporate personalized data for predicting survival. Machine learning (ML) offers a potential solution to enhance survival prediction accuracy. This study aimed to develop and validate a new ML algorithm to predict 2- and 5-year overall survival (OS) in patients with UPS.
PATIENTS AND METHODS: We included 3494 patients with a histologic diagnosis of UPS from the Surveillance, Epidemiology, and End Results (SEER) databa
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.
Recent deep learning algorithms have further improved risk classification capabilities. However, an appropriate feature selection method is required to overcome dimensionality issues in population-based genetic studies. In this Korean case-control study of nonsyndromic cleft lip with or without cleft palate (NSCL/P), we compared the predictive performance of models that were developed by using the genetic-algorithm-optimized neural networks ensemble (GANNE) technique with those models that were generated by eight conventional risk classification methods, including polygenic risk score (PRS), r
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: In-hospital cardiac arrest (IHCA) is an acute disease with a high fatality rate that burdens individuals, society, and the economy. This study aimed to develop a machine learning (ML) model using routine laboratory parameters to predict the risk of IHCA in rescue-treated patients.
METHODS: This retrospective cohort study examined all rescue-treated patients hospitalized at the First Medical Center of the PLA General Hospital in Beijing, China, from January 2016 to December 2020. Five machine learning algorithms, including support vector machine, random forest, extra trees classifi
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: Psoriatic Arthritis (PsA) is a multifactorial disease, and predicting remission is challenging. Machine learning (ML) is a promising tool for building multi-parametric models to predict clinical outcomes. We aimed at developing a ML algorithm to predict the probability of remission in PsA patients on treatment with Secukinumab (SEC).
METHODS: PsA patients undergoing SEC treatment between September 2017 and September 2020 were retrospectively analyzed. At baseline and 12-month follow-up, we retrieved demographic and clinical characteristics, including Body Mass Index (BMI), disease
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.
PURPOSE: We describe our offline deep learning algorithm (DLA) and validation of its diagnostic ability to identify vitreoretinal abnormalities (VRA) on ocular ultrasound (OUS).
METHODS: Enrolled participants underwent OUS. All images were classified as normal or abnormal by two masked vitreoretinal specialists (AS, AM). A data set of 4902 OUS images was collected, and 4740 images of satisfactory quality were used. Of this, 4319 were processed for further training and development of DLA, and 421 images were graded by vitreoretinal specialists (AS and AM) to obtain ground truth. The main outco
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