Accurate estimation of rainfall depths associated with standard return periods is fundamental for hydraulic design, flood risk assessment, and water resources management, particularly in arid regions. Statistical extreme value distributions have long been the standard approach for rainfall frequency analysis, whereas machine learning (ML) has recently emerged as a potential alternative. This study presents a comprehensive comparison between twenty-five statistical distribution models and three supervised ML regressors-Support Vector Machine (SVM), Random Forest (RF), and Extreme Gradient Boost
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.
BackgroundMild cognitive impairment (MCI) is a risk factor for dementia, and early screening is crucial for patient prognosis.ObjectiveTo construct an intelligent family screening model for MCI based on eye tracking (ET) and digital clock drawing tests (dCDT), to provide a simple and accurate screening tool for MCI.MethodsThis study included 618 cognitively normal participants and 179 patients with MCI, among whom demographic information and metrics from ET and dCDT were collected. One-way analysis of variance was applied to screen all variables (p < 0.05). Different feature sets constructed b
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.
The globalization of food systems has heightened the risk of foodborne pathogens such as Salmonella, Listeria monocytogenes, and Campylobacter, exacerbated by rising antimicrobial resistance (AMR). Traditional pathogen identification and AMR risk surveillance methods are often labor-intensive and low-throughput, while single-omics approaches fail to capture microbial complexity. Moreover, reliance on individual machine learning (ML) models limits predictive robustness, posing challenges to food safety and public health. This systematic review evaluates ML-based predictive modeling integrated w
СтатьяСистематический обзорПолный 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.
OBJECTIVE: Human factors have a profound influence on the prevalence of vehicle crashes, particularly among high-risk drivers. This study aims to develop a driver risk-level identification method to effectively evaluate the safety of drivers and design training programs.
METHODS: The personality traits of 50 drivers were quantitatively evaluated using the Symptom Checklist-90 scale, with parallel documentation of demographic information. A tri-level risk categorization (low, medium, and high) was established for drivers based on risky driving behaviors investigated via field tests. Correlatio
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: Parkinson's disease (PD) patients with tremor-dominant (TD) and non-tremor-dominant (NTD) subtypes exhibit heterogeneity. Rapid identification of different motor subtypes may help to develop personalized treatment plans.
METHODS: The data were acquired from the Parkinson's Disease Progression Marker Initiative (PPMI). Following the identification of predictors utilizing recursive feature elimination (RFE), seven classical machine learning (ML) models, including logistic regression, support vector machine, decision tree, random forest, extreme gradient boosting, etc., were trained
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.
Breast cancer, like most forms of cancer, is a fatal disease that claims more than half a million lives every year. In 2020, breast cancer overtook lung cancer as the most commonly diagnosed form of cancer. Though extremely deadly, the survival rate and longevity increase substantially with early detection and diagnosis. The treatment protocol also varies with the stage of breast cancer. Diagnosis is typically done using histopathological slides from which it is possible to determine whether the tissue is in the Ductal Carcinoma In Situ (DCIS) stage, in which the cancerous cells have not sprea
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 sodium-iodide symporter (NIS, SLC5A5) plays a crucial role in thyroid hormone synthesis. Especially during brain development, correct thyroid signaling is of critical importance. Hence, inhibition of this transporter can lead to neurodevelopmental disorders, such as lowered IQ or autism. In order to uncover environmental chemicals with the potential of causing developmental neurotoxicity (DNT), NIS was selected for modeling. To support next-generation risk assessment, in silico-based methods were utilized. Docking-based virtual screening workflows of a library of compounds with experimenta
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: Osteoporosis (OP) is a prevalent metabolic bone disease causing millions of fractures annually, leading to significant healthcare and economic burdens. Early diagnosis and intervention are critical, particularly among postmenopausal women and the elderly. Traditional bone mineral density tests, while useful, are limited in predicting fracture risk and are not always accessible. This review summarises recent advancements in applying machine learning (ML) and radiomics techniques for fracture risk prediction and OP assessment using computed tomography and magnetic resonance imaging.
MATERI
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: Postoperative nausea and vomiting (PONV) is a common complication of laparoscopic sleeve gastrectomy (LSG). This study aimed to develop and validate machine learning models to predict the risk of PONV in patients undergoing LSG.
METHODS: Data from patients who underwent LSG at a tertiary hospital in China between January 2018 and March 2023 was collected for this study. The data were randomly divided into training and test cohorts in a ratio of 7:3. The boruta algorithm and multivariate logistic regression were employed to identify independent predictive factors. Various models, 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: Echinococcosis, caused by Echinococcus parasites, includes alveolar echinococcosis (AE), the most lethal form, primarily affecting the liver with a 90% mortality rate without prompt treatment. While radical surgery combined with antiparasitic therapy is ideal, many patients present late, missing hepatectomy opportunities. Ex vivo liver resection and autotransplantation (ELRA) offers hope for such patients. Traditional surgical decision-making, relying on clinical experience, is prone to bias. Machine learning can enhance decision-making by identifying key factors influencing surgic
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.
AIMS/BACKGROUND: Sepsis is a leading cause of morbidity and mortality in intensive care units (ICUs). Early identification of patients at high risk of death is essential to guide timely interventions and optimize resource allocation. This study aimed to develop and validate an interpretable machine learning model for predicting 28-day mortality in adult ICU patients.
METHODS: We retrospectively analyzed data from three independent critical care databases, including 98,233 adult ICU patients. Sixteen routinely collected variables available by the 24-hour prediction landmark-including vital sig
СтатьяМногоцентровое исследованиеВалидационное 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: Trauma is a leading cause of morbidity and mortality worldwide, particularly in younger populations. Early identification of high-risk trauma patients is critical for timely interventions and improved outcomes. Although artificial intelligence and machine learning have demonstrated promise in healthcare, their application in trauma mortality prediction has been limited.
METHODS: This study developed and validated machine learning models to predict mortality in trauma patients using a large public dataset from the National Community-Based Critical Injury Survey (South Korea, 2016-2
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: Open defecation is the disposal of human feces in fields, bushes, forests, open waterways, beaches, and other open areas. It worsens the environment, contaminates drinking water sources, causes malnutrition and low school attendance in children, and aids in the spread of diseases like cholera, diarrhea, dysentery, typhoid, polio, and hepatitis A. The purpose of this study was geospatial variation and machine learning approaches to predict open defecation in Zambia.
METHODS: This study used secondary data analysis from the cross-sectional Zambia Demographic and Health Survey (ZMDHS
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: Tumor stage, surgery and age are positively correlated with cancer-specific mortality (CSM) in patients diagnosed with bladder cancer (BCa). In light of the successful application of machine learning to process big data in many fields outside of medicine, we aimed to establish and validate whether machine learning models could improve our ability to predict the development of CSM in elderly BCa patients after radical cystectomy (RC).
METHODS: Data on eligible patients diagnosed with BCa were obtained from the Surveillance, Epidemiology, and End Results database (2000-2021) and div
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: Rescue workers are frequently exposed to traumatic events and are at a high risk of developing post-traumatic stress disorder (PTSD). We developed and compared machine-learning models for PTSD risk and assessed their generalizability.
METHODS: This multicenter cross-sectional study included 13,462 rescue workers from 13 units for model development/internal validation and 8,757 workers from two additional units for external validation. Probable PTSD was defined as a PTSD Checklist for DSM-5 score ≥ 33. Sixteen variables were reduced using principal component analysis (PCA) or explor
СтатьяСравнительное исследованиеМногоцентровое 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.
Mercury (Hg) contamination in estuarine environments is of increasing concern because of its persistence, transformation into methylmercury (MeHg), and potential ecological and human health impacts. This study investigated the distribution, environmental controls, and health risks of Hg and MeHg in 41 surface sediment samples and 25 water samples collected during a single sampling campaign from the Musa Estuary (southern Iran) by integrating geochemical assessment with explainable machine learning. Sediment total mercury (THg) concentrations ranged 10.97 to 8367.38 μg/kg, while MeHg concentrat
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: With the increasing global burden of cancer, there is a growing need for innovative strategies to improve oncology care. Health-related quality of life (HRQoL) is an outcome measure for assessing the overall wellbeing of patients with cancer. We used machine learning to predict HRQoL and to identify key factors that can inform patient-centered cancer care.
METHODS: We conducted a cross-sectional study enrolling patients diagnosed with lung, breast, or colorectal cancer across two provinces in China. We collected data on demographics, clinical characteristics, and patient-centered 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.
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2026eng
PURPOSE: Cervical myelopathy (CM) often presents with gait disturbances, which can lead to falls and spinal cord injury. As the presence of gait disturbances negatively affects postoperative improvement in patients with CM, early detection of gait disturbances is crucial. However, current gait analysis methods require specialisation, limiting their feasibility for screening. This study aimed to perform gait analysis in patients with CM using wearable in-shoe inertial measurement unit (IMU) sensors and to develop a screening system using machine learning. METHODS: This study included 26 patient
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 examines factors associated with deep tissue pressure injury and develops interpretable machine learning models for early risk prediction in adult ICU patients. This retrospective observational cohort study included 336 adult intensive care unit patients, of whom 211 developed deep tissue pressure injury and 125 remained pressure injury-free. For patients who developed deep tissue pressure injury, haemodynamic, laboratory and nursing variables from the 24 h before injury onset were analysed using a physiological time-at-risk framework. For pressure injury-free patients, correspondin
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.
INTRODUCTION: Although colorectal cancer (CRC) screening has been incorporated into organized programs in many countries, a universally accepted noninvasive and efficient screening method remains unavailable. This study aimed to assess the diagnostic potential of volatile organic compounds in exhaled breath through electronic nose (eNose) for noninvasive CRC detection.
METHODS: The Cyranose320 sensor device was used to collect and analyze breath samples. Supervised machine learning was applied to evaluate the diagnostic performance of the eNose in CRC detection, using a randomly assigned trai
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