OBJECTIVE: Clinical deterioration in hospitalized patients is often preceded by subtle, dynamic physiological changes that are difficult to detect using intermittently charted electronic health record (EHR) data. Our objective was to evaluate the reliability, interpretability, and clinical relevance of a Vision‑Language Model (VLM)-based triage framework that analyzes physiological trend images, by comparing VLM-generated outputs with attending physician assessments as the expert clinical comparator.
MATERIALS AND METHODS: We conducted a single-center expert agreement pilot study including 10
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 assess radiation burden and contrast medium load, image quality, and the performance of AI-reader and junior radiologists in evaluating coronary stenosis using 80-kVp triple-rule-out (TRO) CT with deep learning image reconstruction (DLIR), 159 patients scheduled for TRO were prospectively recruited and randomized into group A (n = 80; 80-kVp with DLIR) or group B (n = 79; 100-kVp with adaptive statistical iterative reconstruction-V [ASIR-V 60%]). Patients were stratified by BMI (< 25 kg/m2 or ≥ 25 kg/m2). Contrast injection rate and volume were tailored to body surface area and tube voltage
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: Despite public health efforts, the prevalence of diabetes has quadrupled since 1990, disproportionately impacting marginalized communities including immigrants and refugees. Immigrants and refugees face access, education and management inequities as the prevalence and cost of chronic disease management escalates in host countries. Digital health applications may offer effective and equitable solutions to support self-management and empower immigrants.
OBJECTIVE: This study systematically scoped published evidence on digital health applications tailored for type 2 diabetes manageme
СтатьяScoping ReviewПоддержка 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.
Colorectal cancer (CRC) is one of the most common cancer types and its increased incidence is related to a number of modifiable risk factors. There is a need for data-driven approaches to support public health policy making for CRC prevention. This paper presents a predictive analytics framework supporting country-level analysis of CRC incidence and risk factors through policy scenarios by linking population-level risk factor exposure to CRC incidence projections across multiple time horizons. The framework integrates Linear Mixed Effects Models, Generalized Additive Models and XGBoost to capt
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.
Contemporary clinical practice still produces unstructured data like free-text reports or scans, hindering automated interpretation by knowledge-based clinical decision support (CDS) systems that rely on structured data. Large language models (LLMs) show potential for interpreting such findings but face challenges in accuracy, infrastructure demands, and data privacy. Integrating LLMs with modular knowledge-based CDS systems could provide validated interpretations of such findings, but models need to call CDS modules with perfectly accurate parameters. The accuracy of multiple size classes of
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.
Deep learning models for medical image analysis often fail in clinical deployment due to domain shift from varied acquisition hardware and protocols. We present a comprehensive evaluation of various domain generalization (DG) techniques to mitigate this performance degradation. We evaluate six DG algorithms against a baseline on two distinct tasks using large, multi-institutional datasets: grading prostate cancer aggressiveness from MRI using the ProstateNet dataset and assessing breast density from mammograms using the DMIST dataset, using a leave-one-domain-out protocol. Our results show tha
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: Predicting recurrence of pancreatic cancer after surgery could inform clinical decision making, including adjuvant therapies and follow-up. This study aimed to develop and validate a deep learning model using digitized whole-slide images (WSI) of histopathology.
METHODS: Publicly available WSI of pancreatic ductal adenocarcinoma resections from three cohorts were used for training. The model consisted of a pan-cancer foundation model to generate embeddings, mean-pooling across tissue patches, and then a fully connected neural network. Model predictions were compared with human-labele
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.
BACKGROUND: Stroke is a leading cause of long-term disability worldwide, yet existing clinical decision support tools rely on global disability metrics, such as the modified Rankin Scale, which do not adequately reflect patient-centered rehabilitation or recovery goals.
OBJECTIVE: We aimed to develop, validate, and implement artificial intelligence (AI)-based clinical support models for predicting domain-specific functional outcomes after stroke across multiple rehabilitation institutions and timepoints.
METHODS: We utilized prospective and retrospective multicenter data collected from patie
СтатьяМногоцентровое 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.
PURPOSE: Our study is motivated by evaluating the role of hematopoietic cell transplantation (HCT) after chimeric antigen receptor T-cell (CAR-T) therapy for ALL, a debated topic. Because patients may receive HCT at different times after CAR-T infusion or never, HCT post-CAR-T should be considered as a time-varying covariate (TVC).
METHODS: Standard Cox models and Kaplan-Meier (KM) curves (naïve method) assume that TVC status is known and fixed at baseline, which can yield biased estimates. Landmark analysis is a popular alternative but depends on a chosen landmark time. Time-dependent (TD) C
СтатьяПоддержка NIH: внешняя программаПолный 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.
Differentiating Non-Odontogenic Tooth Pain, a potential symptom of life-threatening conditions like Ischemic Heart Disease, is a critical challenge for dentists, as existing AI tools fail to support their decision-making. To address this, we developed a chatbot using a Retrieval-Augmented Generation (RAG) enhanced Large Language Model (LLM). This study protocol outlines a trial to evaluate the impact of the AI's outputs on dentists' diagnostic accuracy. The study employs a three-arm, within-subjects crossover trial where 128 dentists evaluate simulated patient scenarios under three conditions:
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: Advances in robotics are transforming health sciences education and helping to prepare students for future careers. Understanding students' perceptions, comfort, and attitudes towards these tools is important to help enhance learning.
METHODS: Using the JBI scoping review protocol and the Arksey and O'Malley framework, we conducted a comprehensive keyword search of the literature in CINAHL, ERIC, Education Source, MEDLINE, PsycINFO, and Web of Science, resulting in 576 unique records. Articles with a health care/health sciences student population, a physical robot, and an assessme
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.
OBJECTIVE: Meaningful assessments of how large language models (LLMs) incorporate clinical guidelines require large-scale testing over many queries. Here, we evaluate the prevalence of clinical guideline omissions and hallucinations in a large sample of diagnostic LLM outputs.
METHODS: We used simulated case vignettes and zero-shot prompting to generate diagnostic outputs and rationales from GPT-4.1 and DeepSeek-V3. English case vignettes were created for hypercholesterolaemia and type-2 diabetes mellitus. Each vignette contained identical medical information, while sociodemographic character
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.
Although the significance of big data and data science in predicting health outcomes and identifying causal factors is widely recognized, their application in health disparities research remains limited. Understanding health disparities in the visually impaired population requires examining their health behavior patterns and health literacy levels, which can longitudinally impact their health and well-being. In prior research, one of the authors of the study conducted an online survey with 2718 participants using 5 validated self-reported questionnaires, such as Health Promoting Lifestyle Prof
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.
The study aims to develop and externally test a deep learning (DL) model using CT images for automatic classification of intervertebral disc degeneration. This retrospective study enrolled patients aged ≥ 18 years who were diagnosed with intervertebral disc herniation or bulge, covering the cervical, thoracic, and lumbar spine, between January 2018 and July 2024 from two institutions. The disc lesions on CT were labeled by three radiologists with 3 to 5 years of experience as reference standard. A 3D U-Net model was developed to segment the disc lesions area. The lesion type (herniation, bulge
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.
PURPOSE: Manual chart review (MR) of electronic health records (EHRs) is time-consuming, error-prone, and limits the reproducibility and scalability of real-world data (RWD) research. Automation and standardization using natural language processing (NLP) could improve efficiency and scalability. CTcue is an NLP-based software platform designed to extract structured and unstructured data from EHRs. This study evaluated the accuracy and efficiency of CTcue versus MR in patients with early-stage resectable non-small cell lung cancer (NSCLC).
METHODS: Included were all patients with stage I to II
СтатьяВалидационное 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.
Automated detection of image artifacts is crucial for enhancing the efficiency and quality of computed tomography (CT) workflows. This study presents a vision transformer (ViT)-based model for the simultaneous classification and localization of multiple artifacts in CT images across diverse body regions. We introduce a self-attention-guided class activation mechanism that aggregates selective gradients to generate precise artifact activation maps (AAMs), which visually highlight affected regions. To improve localization fidelity, register tokens are incorporated into the model, sharpening its
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 assessment of mucosal healing (MH) in small bowel Crohn's disease (SBCD) remains challenging because double-balloon enteroscopy (DBE), the reference standard, is invasive and unsuitable for repeated monitoring. This study was aimed at developing and validating an explainable multimodal model integrating CT enterography (CTE)-based radiomics with clinical data for post-biologic MH assessment in SBCD. This multicenter study included 206 retrospective patients (training: n = 114; internal validation: n = 50; external test: n = 42) and 20 prospective patients. Clinical predictors were ide
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.
Artificial intelligence (AI) is increasingly being offered for use in cancer pathways, but clinicians still lack a practical method for judging whether a specific tool is ready for adoption in routine care. Existing standards such as DECIDE-AI, TRIPOD-AI, CONSORT-AI and evidence standards for digital health technologies are essential, but they are primarily directed at developers, trialists and regulators rather than clinical leads making procurement, governance or pathway decisions. This article proposes TRIAGE-AI, a clinician-facing implementation-readiness framework covering six domains: tr
СтатьяОбзорПоиск 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.
Post-COVID fatigue is a common and burdensome symptom that fluctuates throughout the day, making it difficult to assess within clinical visits. To capture post-COVID symptom fatigue in daily settings, we developed a mobile research app based on a previous survey-based tool, designed as a progressive web application (PWA) using React. The app combines offline functionality, flexible testing times, visual instructions and local storage of participant data. The development was guided by a requirements analysis conducted through interviews with patients, identifying core needs for usability, flexi
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.
Radiology reports for pancreatic cystic lesions frequently contain uncertainty expressions (rule-out (R/O), differential diagnosis (DDx)) alongside structured diagnostic codes. While cross-sectional studies have documented the prevalence of such hedging language, the temporal relationship between structured codes and narrative uncertainty during extended surveillance has not been systematically examined. The purpose is to characterize the temporal evolution of diagnostic language in pancreatic imaging reports by integrating structured health screening codes with natural language processing (NL
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.
MedElevator
Войти в исследования