BACKGROUND: Acute coronary syndrome (ACS) causes substantial post-discharge mortality. Ambient air pollution and meteorological conditions are associated with recurrent cardiovascular events, but existing clinical risk scores rely only on static admission parameters without incorporating post-discharge environmental exposures. Most machine learning (ML) models for ACS prognosis are single-center, single-horizon, fail to integrate both meteorological and air-quality variables, and lack external validation or interpretability.
METHODS: We developed an interpretable multi-horizon ML framework fo
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.
Accurate identification and classification of 3D mesh data in medical imaging are crucial for various clinical and research applications, including surgical planning, anatomical analysis, and disease diagnosis. In recent years, the application of deep learning techniques to medical imaging has gained significant traction, particularly in the analysis of 3D mesh data. This study presents a comprehensive explainable AI-based deep learning framework for classifying tumorous and skeletal structures in 3D medical data. The models, including CNN, ResNet-18, VGG-16, and EfficientNet-B0, are trained 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.
Accurate segmentation of liver vessels on contrast-enhanced CT is essential for safe hepatic surgery preplanning. It is still challenging because vessels vary greatly in size and have complex branching, and small branches are difficult to detect due to their low contrast. In this work, we propose VesselVision-Net, a hybrid global-local context learning framework for liver vessel segmentation, which focuses on detecting small vessel branches. The model uses a dilated fusion module (DFM) to capture better small vessel branches and a paired attention module (PAM) to enhance vessel-focused spatial
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.
This scoping review explores how machine learning (ML) has been applied to stroke research within the Earlier Medicine framework, which promotes proactive and personalized care through primary (preventive care), secondary (acute care), and tertiary (chronic care) prevention levels. Following PRISMA-ScR guidelines, studies were identified from PubMed and Scopus, yielding 105 eligible studies. Most studies focused on tertiary prevention, such as predicting in-hospital mortality, complications, and functional outcomes, while fewer addressed early risk prediction or acute-phase detection. Common p
СтатьяScoping ReviewПоиск 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.
Atrial fibrillation (AF) is the most common cardiac arrhythmia in adults and often remains undetected until a clinical sequelae such as a stroke occurs. To enable early detection, a large-scale screening trial is being established in Austria using a smartphone app. This paper outlines the process and IT infrastructure supporting participant self-registration. Citizens receive a postal invitation with a QR code linking to the registration web app, which collects eligibility data, baseline information, and informed consent. Participants are randomised to the intervention or control group, with h
Протокол клинического исследованияСтатьяПоиск 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: Atrial fibrillation (AF) is the most common sustained cardiac arrhythmia and confers a four to fivefold increase in ischemic stroke risk, accounting for approximately 15 - 20% of all stroke events globally. Despite this burden, the predominant risk stratification tool, the CHA2DS2-VASc score, achieves only modest discrimination, constrained by its static, additive architecture that cannot capture the nonlinear, high-dimensional interactions inherent in real-world electronic health record (EHR) data. This evidence gap creates a dual clinical hazard: under-anticoagulation in high-ris
СтатьяСистематический обзорПоиск 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 National Institutes of Health Stroke Scale (NIHSS) is critical to acute stroke care but is often documented in unstructured notes. Large language models (LLMs) can enable automated extraction, though smaller models often underperform relative to frontier systems. Chain-of-Verification (CoVe) prompting introduces a structured self-verification step that may improve performance.
METHODS: We evaluated eight LLMs on 312 discharge summaries. Small models included LLaMA 3.2 3B, Ministral 3B, Gemma 3 4B, and Qwen 3 4B. Frontier models included GPT-5.2, Gemini 3 Pro, Claude Opus 4.5,
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.
OBJECTIVES: To explore the effects of bidirectional interoperability between electronic health records (EHR) and smart infusion pumps on medication errors (MEs), system compliance and workflow efficiency and economic aspects.
METHODS: This systematic review followed the Preferred Reporting Items for Systematic Reviews and Meta-Analyses 2020 criteria. The literature search on Scopus, MEDLINE (Ovid), Web of Science, Cumulated Index in Nursing and Allied Health Literature, and Evidence-Based Medicine Reviews was conducted on 3 October 2024. Peer-reviewed studies considering bidirectional interop
СтатьяСистематический обзорПоиск 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.
Targeted radiotherapy planning for treating brain metastases is labor-intensive and time-consuming. nnU-Net and MedNeXt are deep-learning frameworks widely explored in automated brain tumor segmentation. This study aimed to validate four pre-trained deep learning models based on nnU-Net and MedNeXt for brain metastases segmentation by using an external cohort of 243 patients with pre-treatment T1-weighted contrast-enhanced 3D brain MRI. Models trained on combined data achieved better performance metrics, while nnU-Net models slightly outperformed MedNeXt models. Further validation with follow-
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.
Automated deep learning-based segmentation is increasingly used in medical imaging to enable rapid biomarker extraction. Manual quality control (QC) of segmentation outputs remains standard prior to downstream analysis. In autosomal dominant polycystic kidney disease (ADPKD), reliable segmentation is essential for accurate total kidney volume measurement, a key biomarker for disease monitoring. We developed and evaluated a 3D deep learning model that classified MR volumes and their automated segmentation outputs into downstream Accept, Reject, and Rework categories. Criteria included scan qual
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.
Automatic segmentation of the pulmonary vasculature from thoracic CT is essential for pulmonary embolism assessment, surgical planning, and disease monitoring. However, accurate segmentation remains challenging due to low contrast, anatomical noise, and multi-scale vascular complexity, particularly in non-contrast-enhanced CT. To address these challenges, we propose an anatomically informed hierarchical deep learning framework that offers a practical balance between segmentation performance and computational efficiency. In the three-stage pipeline, MVP-U-Net extracts the anatomical region of i
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.
Medication dosage calculation is a vital clinical skill essential for patient safety. However, many nursing students experience difficulties mastering this competency due to mathematical anxiety and limited practice. Artificial intelligence (AI)-based tools, such as ChatGPT, offer interactive and learner-centered educational experiences by providing personalized guidance and immediate feedback. This study aimed to evaluate the effects of ChatGPT-assisted medication dosage calculation training on nursing students' knowledge, calculation accuracy, test completion time, and learning satisfaction.
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.
Differentiating hypertrophic cardiomyopathy (HCM) from hypertensive heart disease (HHD) on cardiac magnetic resonance (CMR) native T1 mapping is clinically important, yet the two conditions overlap morphologically and global T1 values provide only moderate discrimination. We developed and rigorously evaluated a multitask deep learning pipeline for HCM/HHD classification. In this retrospective single-center study, 174 patients (121 HCM, 53 HHD) with 3.0-T modified Look-Locker inversion recovery (MOLLI) native T1 maps were analyzed under a two-stage protocol that strictly separated model selecti
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.
Non-communicable diseases remain the leading cause of morbidity and mortality across Europe, yet preventive efforts are often fragmented and underutilized. In Austria, high life expectancy contrasts with relatively few healthy life years, underscoring the need for innovative prevention strategies. The PreNUDGE project aims to build a qualified and interoperable platform ecosystem for prevention that integrates health apps, structured data, and behavioral nudges. The platform design follows principles of platform ecosystems, interoperability standards such as HL7 FHIR, and public health insight
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: Machine learning (ML) models can accurately predict hospital admissions in emergency departments (EDs), but real-world adoption remains rare. We evaluated the feasibility and early implementation of an ML-based hospitalization prediction tool in an ED of a tertiary care centre using the Medical Research Council (MRC) framework.
METHODS: A prospective mixed-methods study was conducted at the ED of the Leiden University Medical Centre (∼23,000 annual visits). A validated ML-based hospitalization prediction tool was deployed via a web-based dashboard for four months. The dashboard wa
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.
Diabetes is characterized as the "pandemic of the age" due to its increasing prevalence. Since it is a disease that affects all areas of life, it causes negative effects on the quality of life and self-care activities. This study aimed to determine the effect of Web-based diabetes education according to Orem's Self-Care Deficit Theory on the health outcomes of patients with type 2 diabetes. This study type is randomized controlled experimental study. The study was conducted between September 2023 and June 2024. Eighty people were included in the study. After the implementation of intervention,
СтатьяРандомизированное 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: The effective translation of scientific insights into public health action remains a challenge, despite ongoing efforts to address obesity.
OBJECTIVE: To apply an infodemiological framework and examine trends in public and scientific interest from 2004 to 2023 in obesity and two behavioral and sociocultural proxy topics, the Mediterranean diet (MedDiet) and body positivity.
METHODS: Data sources included Google Trends, Wikipedia page views, and SCOPUS publications. Pearson's correlation assessed linear associations. Univariate and multivariate forecasting models projected future
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: Rare diseases are difficult to fully capture, and regularly call for large, geographically dispersed initiatives. Such initiatives are often met with data harmonization challenges. These challenges render data incompatible and impede successful realization. The STRONG AYA project is such an initiative, specifically focusing on adolescent and young adult (AYAs) with cancer. STRONG AYA is setting up a federated data infrastructure containing data of varying format. Here, we elaborate on how we used health care-agnostic semantic web technologies to overcome such challenges.
METHODS: We
СтатьяМногоцентровое исследованиеПоддержка 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.
Artificial intelligence (AI) adoption in radiology has accelerated, but operational maturity has not kept pace. Many organisations still deploy AI as isolated point solutions, leading to fragmented workflows, duplicated integration work, inconsistent governance, unclear accountability, and limited ability to assess value over time. For radiologist-facing clinical AI, these problems are less about model performance alone and more about how AI is introduced, integrated, and managed in practice. This commentary argues that radiology should treat AI not as a collection of disconnected products, bu
Редакционная 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.
A prospective observational cohort study. To determine whether machine learning models using radiomic features derived from preoperative MRI, clinical variables, or their combination can predict achievement of the minimum clinically important difference (MCID) in function and quality of life after surgery for degenerative cervical myelopathy (DCM). Predicting surgical outcomes in DCM remains challenging, as conventional MRI and clinical scores incompletely reflect spinal cord pathology. Radiomics quantifies voxel-level intensity and texture patterns from routine MRI, providing quantitative mea
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.
MedElevator
Войти в исследования