Urosepsis is one of the most severe complications after percutaneous nephrolithotomy (PNL). This study aimed to develop and validate a preoperative machine learning (ML) model for predicting post-PNL urosepsis using electronic medical record (EMR) data. In this retrospective study, we included 360 patients with urosepsis and 2,636 without urosepsis. Multimodal clinical parameters were collected, including demographic data, admission vital signs, imaging reports, and laboratory results. The cohort was randomly split into a training set (80%) and a validation set (20%). Eight ML algorithms were
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: Spontaneous preterm birth (sPTB) is a complex condition with unclear etiology, associated with increased neonatal risks. Early prediction of sPTB enables timely interventions to improve outcomes. Our study aimed to construct machine learning (ML) models to predict sPTB using multi-source data, including electronic health records (EHR) and environmental factors.
METHODS: This retrospective cohort study included 54132 singleton pregnancies from Wuhan Children's Hospital (Wuhan Maternal and Child Healthcare Hospital) between December 2012 and December 2022. We collected multi-source
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: Osteoporosis is a metabolic bone disease characterized by a decrease in the amount of bone per unit volume. It is highly prevalent and has a harsh impact on patients' lives. The development of accurate predictive models for osteoporosis is beneficial in helping physicians improve the accuracy of clinical diagnosis and provide a high-quality treatment experience for older adults.
METHOD: In this study, a robust and accurate prediction model for osteoporosis was developed and validated based on machine learning and SHAP techniques. We validated the model using ROC, calibration, and
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.
To retrospectively analyze the clinical characteristics of pediatric scrub typhus (ST) with meningoencephalitis (STME) and to construct and validate predictive models using machine learning.Clinical data were collected from 100 cases of pediatric STME and matched with data from 100 ST cases without meningitis using propensity-score matching. Risk factors for STME in pediatrics were identified through the least absolute shrinkage and selection operator (LASSO) regression analysis. Six predictive models-Logistic Regression, K-Nearest Neighbors, Naive Bayes, Multi-layer Perceptron(MLP), Random Fo
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 AND AIMS: A machine learning algorithm based on circulating metabolic biomarkers for the predictions of neurological diseases (NLDs) is lacking. To develop a machine learning algorithm to compare the performance of a metabolic biomarker-based model with that of a clinical model based on conventional risk factors for predicting three NLDs: dementia, Parkinson's disease (PD), and Alzheimer's disease (AD).
MATERIALS AND METHODS: The eXtreme Gradient Boosting (XGBoost) algorithm was used to construct a metabolic biomarker-based model (metabolic model), a clinical risk factor-based mode
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: Attrition is an important problem in clinical practice and research. However, the predictors of dropping out from cognitive behavioral therapy (CBT) for panic disorder (PD) are not fully understood. In this study, we aimed to build a dropout prediction model for CBT for PD using machine learning (ML) algorithms.
METHODS: We treated 208 patients with PD applying group CBT. From baseline data, the prediction analysis was carried out using two ML algorithms, random forest and light gradient boosting machine. The baseline data included five personality dimensions in NEO Five Factor In
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.
Fracture healing is a complex process which sometimes results in non-unions, leading to prolonged disability and high morbidity. Traditional methods of optimising fracture treatments, such as in vitro benchtop testing and in vivo randomised controlled trials, face limitations, particularly in evaluating the entire healing process. This study introduces a novel, strain-based fracture-healing algorithm designed to predict a wide range of healing outcomes, including both successful unions and non-unions. The algorithm uses principal strains as mechanical stimuli to simulate fracture healing in re
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.
PURPOSE: Postoperative delirium (POD) is a common postoperative complication in elderly patients, and it greatly affects the short-term and long-term prognosis of patients. The purpose of this study was to develop a machine learning model to identify preoperative, intraoperative and postoperative high-risk factors and predict the occurrence of delirium after nonbrain surgery in elderly patients.
PATIENTS AND METHODS: A total of 950 elderly patients were included in the study, including 132 patients with POD. We collected 30 characteristic variables, including patient demographic characteristi
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.
Intracranial aneurysm (IA) is difficult to detect, and most patients remain undiagnosed, as screening tests have potential risks and high costs. Thus, it is important to develop risk assessment system for efficient and safe screening strategy. Through previously published research, we have developed a prediction model for the incidence risk of IA using cohort observational data. This study was designed to verify whether such a prediction model also demonstrates sufficient clinical performance in predicting the prevalence risk at the point of health screening, using cross-sectional data. The st
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: According to a recent report by the WHO, approximately 17.5\% (about one-sixth) of the global adult population is affected by infertility. Consequently, researchers worldwide have proposed various machine learning models to improve the prediction of clinical pregnancy outcomes during IVF cycles. The objective of this study is to develop a machine learning(ML) model that predicts the outcomes of pregnancies following in vitro fertilization (IVF) and assists in clinical treatment.
METHODS: This study conducted a retrospective analysis on provincial reproductive centers in China from
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: Estimating surgical case duration accurately is an important operating room efficiency metric. Current predictive techniques in spine surgery include less sophisticated approaches such as classical multivariable statistical models. Machine learning approaches have been used to predict outcomes such as length of stay and time returning to normal work, but have not been focused on case duration.
OBJECTIVE: The primary objective of this 4-year, single-academic-center, retrospective study was to use an ensemble learning approach that may improve the accuracy of scheduled case duration
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: Gay and bisexual men (GBM) are at increased risk of human papillomavirus (HPV)-associated anal high-grade squamous intraepithelial lesions (HSILs). Understanding the fractions of HSILs attributable to HPV genotypes is important to inform potential impacts of screening and vaccination strategies. However, multiple infections are common, making attribution of causative types difficult. Algorithms developed for predicting HSIL-causative genotype fractions have never been compared with a reference standard in GBM.
METHOD: Samples were from the Study of the Prevention of Anal Cancer. B
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.
Network data traffic is increasing with expanded networks for various applications, with text, image, audio, and video for inevitable needs. Network traffic pattern identification and analysis of traffic of data content are essential for different needs and different scenarios. Many approaches have been followed, both before and after the introduction of machine and deep learning algorithms as intelligence computation. The network traffic analysis is the process of incarcerating traffic of a network and observing it deeply to predict what the manifestation in traffic of the network is. To enha
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: Frailty is a dynamic process that increases with ageing, while it remains unclear whether cardiovascular disease (CVD) risk algorithm could predict life course dynamic frailty trajectories, for example, the longitudinal patterns of how frailty evolves with time. We intended to examine the predictive utility of the Systemic Coronary Risk Estimation 2 (SCORE2) algorithm for life course accelerated frailty and physical function decline, in comparison with the precedent SCORE algorithm.
METHODS: Longitudinal data regarding accumulation of deficits frailty index (FI) and physical funct
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: Development and validation of a decision tree model (DTM) for prediction of mental health status in Korean caregivers of children with glaucoma.
DESIGN: Cross-sectional study.
METHODS: Caregivers of children younger than 18 years with diagnosed primary childhood glaucoma (n = 42), secondary childhood glaucoma (n = 51), and glaucoma suspect (GS; n = 36) were prospectively enrolled at Seoul National University Children's Hospital, Seoul, Korea. The participants completed 2 questionnaires, the 9-item Patient Health Questionnaire (PHQ-9) and the 7-item Generalized Anxiety Disorder (GAD-
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.
OBJECTIVES: Diseases of the middle ear can interfere with normal sound transmission, which results in conductive hearing loss. Since video pneumatic otoscopy (VPO) findings reveal not only the presence of middle ear effusions but also dynamic movements of the tympanic membrane and part of the ossicles, analyzing VPO images was expected to be useful in predicting the presence of middle ear transmission problems. Using a convolutional neural network (CNN), a deep neural network implementing computer vision, this preliminary study aimed to create a deep learning model that detects the presence of
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.
Heart disease (HD) is the major reason for the rampant cause of death around the world. It is deemed as a crucial illness among the middle and old age people which tends to high mortality rates. Recently, Effects of HD is presenting a shocking rise in India. Prediction of HD is considered as the major concern as people are engaged with their day-to-day life and not bothering about their health issues due to the tight schedule of work. Various symptoms may occur for the people who got affected with HD and the recognition of the disease tends to be difficult. Based on the clinical dataset, Data
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.
Intraoperative hypothermia increases perioperative morbidity and identifying patients at risk preoperatively is challenging. The aim of this study was to develop and internally validate prediction models for intraoperative hypothermia occurring despite active warming and to implement the algorithm in an online risk estimation tool. The final dataset included 36,371 surgery cases between September 2013 and May 2019 at the Vienna General Hospital. The primary outcome was minimum temperature measured during surgery. Preoperative data, initial vital signs measured before induction of anesthesia, a
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.
BACKGROUND: The COVID-19 pandemic has placed a huge strain on the health care system globally. The metropolitan area of Milan, Italy, was one of the regions most impacted by the COVID-19 pandemic worldwide. Risk prediction models developed by combining administrative databases and basic clinical data are needed to stratify individual patient risk for public health purposes.
OBJECTIVE: This study aims to develop a stratification tool aimed at improving COVID-19 patient management and health care organization.
METHODS: A predictive algorithm was developed and applied to 36,834 patients with CO
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.
MedElevator
Войти в исследования