OBJECTIVE: Accurate prediction of type 2 diabetes mellitus (T2DM) onset is critical to enable timely interventions and preventive strategies. Although machine learning (ML) approaches have shown promise in risk prediction, their complexity often limits clinical implementation. There is a need for interpretable, user-friendly models that retain predictive strength.
METHODS: We studied 904 cardiovascular risk patients without T2DM at baseline, assessing 71 anthropometric, clinical, and laboratory variables. Over a four-year follow-up, 10 % developed T2DM. We applied AutoScore, an interpretable
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.
The integration of artificial intelligence (AI) into healthcare is revolutionising the industry by enhancing diagnostic accuracy, personalising treatment strategies, and improving administrative efficiency. This study aims to evaluate the impact of AI interventions on health outcomes across various medical applications. A scoping review was conducted using relevant search terms, focusing exclusively on interventional studies measuring AI's effectiveness on health outcomes. The review analysed 30 clinical trials, including behavioural interventions, stroke rehabilitation, sepsis prediction, den
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.
Intraoperative tumor imaging is critical to achieving maximal safe resection during neurosurgery, especially for low-grade glioma resection. Given the convenience of ultrasound as an intraoperative imaging modality, but also the limitations of the ultrasound modality and the time-consuming process of manual tumor segmentation, we propose a learning-based model for the accurate segmentation of low-grade gliomas in ultrasound images. We developed a novel U-net-based architecture adopting the block architecture of the ConvNext V2 model, titled U-ConvNext, which also incorporates various architect
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.
This study explored the perspectives of people with Parkinson's disease (PwP) involved in the co-design of AI tools for PD care. The aim was to understand PwP perspectives on AI tools and identify factors influencing their engagement. A qualitative triangulation of 13 interviews and two focus groups were conducted with a panel of 14 PwPs from six European countries. Data analysis employed inductive content analysis which resulted in 3 categories. Patients emphasized the potential of AI tools to increase patient agency and improve healthcare through co-design. While AI-based medication response
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.
Parkinson's Disease (PD) is a progressive neurodegenerative condition that requires timely intervention to manage symptoms and prevent deterioration. This study investigates the essential requirements for a speech-based decision support tool to monitor PD progression in a community-integrated care setting. While still at an early design stage, the envisioned tool may take the form of mobile or desktop software accessible to patients, carers, and professionals in home and clinical settings. A mixed-methods approach, including surveys (n=31), focus groups (n=12), interviews (n=11), and policy do
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: The past decade has seen rapid digitalization of healthcare, significantly transforming healthcare delivery. However, the impact of these technologies remains unclear, with notable gaps in evidence regarding their effectiveness, especially in primary care settings.
OBJECTIVE: This systematic review assesses the effectiveness of digital health interventions versus interventions without digital components implemented over the last 10 years in European primary care settings for managing chronic diseases.
METHODS: Following Cochrane guidelines, we conducted a systematic review with m
СтатьяСистематический обзорМетаанализПоддержка 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: The COVID-19 pandemic greatly challenged health systems worldwide. The adoption and application of mHealth technology emerged as a critical response. However, the permanent implementation and use of such technology faces several barriers, which vary by each country's innovation level and specific health policies. This study provides a detailed analysis of the transformations in mHealth service implementation within the context of the COVID-19 pandemic.
OBJECTIVES: The study analyses the changes to mHealth service implementation during the COVID-19 pandemic. It seeks to identify th
СтатьяСравнительное исследованиеПоддержка 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.
PURPOSE: Despite the frequency with which patients with cancer receive radiotherapy, integrating radiation oncology data with other aspects of the clinical record remains challenging because of siloed and variable software systems, high data complexity, and inconsistent data encoding. Recognizing these challenges, the Veterans Affairs (VA) National Radiation Oncology Program (NROP) is developing Granular Radiotherapy Information Database (GRID), a platform and pipeline to combine radiotherapy data across the VA with the goal of both better understanding treatment patterns and outcomes and enha
СтатьяПоддержка 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: This paper addresses the importance of timely and robust information systems that underpin emergency response decision-making, as evidenced during the COVID-19 pandemic in the WHO European Region. Recognizing the relevance of these systems, we propose the strengthening of national emergency response information management systems (ERIMS) within the broader digital health information system (HIS) framework. We aim to develop and present an innovative assessment tool designed to evaluate and assist in the strengthening of ERIMS, contributing to a more resilient and effective emergenc
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.
STUDY OBJECTIVES: This study evaluates the feasibility and accuracy of a pragmatic approach to predicting hospital bed occupancy for COVID-19-positive patients, using only simple methods accessible to typical health system teams.
METHODS: We used an observational forecasting design for the study period 1st June 2021 to -21st January 2022. Evaluation data covered individuals registered with a general practitioner in North West London, through the Whole Systems Integrated Care deidentified dataset. We extracted data on COVID-19-positive tests, vaccination records and admissions to hospitals wit
СтатьяНаблюдательное 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.
This study presents an AI framework for real-time NAFLD detection using ultrasound imaging, addressing operator dependency, imaging variability, and class imbalance. It integrates CNNs with machine learning classifiers and applies preprocessing techniques, including normalization and GAN-based augmentation, to enhance prediction for underrepresented disease stages. Grad-CAM provides visual explanations to support clinical interpretation. Trained on 10,352 annotated images from multiple Saudi centers, the framework achieved 98.9% accuracy and an AUC of 0.99, outperforming baseline CNNs by 12.4%
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 study aims to explore the intention of nursing staff at a dialysis center in a regional hospital in Taiwan to use a smart information system for hemodialysis. A cross-sectional study design was adopted, and data were collected through a questionnaire survey. The questionnaire covered variables such as overall satisfaction with the system, user experience, interface design, functional evaluation, and years of service. The study sought to understand the actual user experience of the nursing staff and their adaptation to the system. The participants were 48 nurses, and the data were collecte
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 study developed a machine learning model using data from 142 children and adolescents with hyperthyroidism, with external validation conducted on 63 patients from another institution. Input variables included age, sex, height SDS, weight SDS, BMI SDS, T3, free T4, TSH, follow-up interval, and previous methimazole dose. SHAP analysis identified T3, TSH, and free T4 as the most influential factors. The model demonstrated robust performance with an RMSE of 5.15 mg (internal validation) and 3.54 mg (external validation), highlighting the potential of machine learning to optimize methimazole d
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.
AIMS: This study aims to evaluate the predictive value of cumulative creatinine exposure (CumCr) and dynamic creatinine trajectories for severe acute pancreatitis (SAP) prognosis and construct a machine learning-based risk stratification model.
METHODS: An international multicenter retrospective cohort study included SAP patients from the Nanchang cohort (n = 1,545) and the MIMIC-IV database (n = 530). CumCr during the first 7 days of hospitalization was calculated. Latent class growth modeling (LCGM) identified creatinine trajectory patterns, and restricted cubic spline (RCS) analysis explor
СтатьяМногоцентровое исследованиеНаблюдательное 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.
Diagnostic decision-making requires the integration of relevant facts and clinician experience. Incorporating the clinical experience from diverse backgrounds is beneficial in a multi-disciplinary model to mitigate uncertainties aroused by incomplete mastery of knowledge. However, current computer-aided diagnostic systems are generally designed using unitary datasets and are challenging to adapt to diverse institutions, leading to the limited reliability of the generated decisions. Accordingly, this study proposes a dynamic ensemble transfer learning-based system that simulates such diversity
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.
MRI metadata, particularly free-text series descriptions (SDs) used to identify sequences, are highly heterogeneous due to variable inputs by manufacturers and technologists. This variability poses challenges in correctly identifying series for hanging protocols and dataset curation. The purpose of this study was to evaluate the ability of large language models (LLMs) to automatically classify MRI SDs. We analyzed non-contrast brain MRIs performed between 2016 and 2022 at our institution, identifying all unique SDs in the metadata. A practicing neuroradiologist manually classified the SD text
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 study presents a Decision Support System to predict epidemic trends in Greece using Open-Source software and machine learning algorithms. The system uses data from OurWorldData.org on COVID-19 from early 2020 to December 2022. We assess the accuracy of five forecasting algorithms: Linear Regression, Back Propagation (BP), Long Short-Term Memory (LSTM), ARIMA, and Prophet. By evaluating correlation, Mean Absolute Error (MAE), Mean Squared Error (MSE), and Root Mean Squared Error (RMSE), we identify the ARIMA model as the most effective for this context. Comparative analysis highlights the
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: To evaluate a generative artificial intelligence (GAI) framework for creating readable lay abstracts and summaries (LASs) of urologic oncology research, while maintaining accuracy, completeness, and clarity, for the purpose of assessing their comprehension and perception among patients and caregivers.
METHODS: Forty original abstracts (OAs) on prostate, bladder, kidney, and testis cancers from leading journals were selected. LASs were generated using a free GAI tool, with three versions per abstract for consistency. Readability was compared with OAs using validated metrics. Two indep
СтатьяРандомизированное 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.
Chest X-ray is one of the main diagnostic tools in emergency medicine, yet its limited ability to capture fine anatomical details can result in missed or delayed diagnoses. To address this, we introduce XVertNet, a novel deep-learning framework designed to enhance vertebral structure visualization in X-ray images significantly. Our framework introduces two key innovations: (1) an unsupervised learning architecture that eliminates reliance on manually labeled training data-a persistent bottleneck in medical imaging, and (2) a dynamic self-tuned internal guidance mechanism featuring an adaptive
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 rapidly being implemented into clinical practice to improve diagnostic accuracy and reduce provider burnout. However, patient self-perceived knowledge and perceptions of AI's role in their care remain unclear. This study aims to explore patient preferences regarding the use of and communication of AI in their care for patients undergoing cross-sectional imaging exams. This single-center cross-sectional study, a structured questionnaire recruited patients undergoing outpatient CT or MRI examinations between June and July 2024 to assess baseline self-perceived kno
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