BACKGROUND: The aim of this study was to analyse the risk factors that affect oral health in adults and to evaluate the success of different machine learning algorithms in predicting these risk factors.
METHODS: This study included 2000 patients aged 18 years and older who were admitted to the Department of Oral and Maxillofacial Radiology, Faculty of Dentistry, Gaziantep University, between September and December 2023. In this study, patients completed a 30-item questionnaire designed to assess the factors that affect the decayed, missing, and filled teeth (DMFT). Clinical and radiological e
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: As a major health hazard, the incidence of coronary heart disease has been increasing year by year. Although coronary revascularization, mainly percutaneous coronary intervention, has played an important role in the treatment of coronary heart disease, major adverse cardiovascular events (MACE) such as recurrent or persistent angina pectoris after coronary revascularization remain a very difficult problem in clinical practice.
OBJECTIVE: Given the high probability of MACE after coronary revascularization, the aim of this study was to develop and validate a predictive model for MAC
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.
Rapid learning is essential for flexible behavior, but its basis in the brain remains unknown. Here we introduce the PRISM plasticity rule, a unifying mechanistic model of three well-established, fast-acting synaptic plasticity rules-in hippocampus, cerebellum and mushroom body-which relies exclusively on pre-synaptic activity and an "instructive signal" from another brain area. Using a multi-region network model we show that guiding PRISM plasticity with instructive signals enables the network to quickly learn extremely flexible nonlinear dynamics underlying behaviorally relevant computations
СтатьяПрепринтПолный 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.
OBJECTIVE: To construct and validate a prognostic assessment model of acupuncture intervention for lumbar disc herniation (LDH), and analyze the key factors of acupuncture efficacy, so as to provide the decision support for clinical individualized treatment.
METHODS: Clinical data of 478 LDH patients were retrospectively analyzed. The least absolute shrinkage and selection operator (LASSO) regression was used to select predictive variables, and 8 machine learning prediction models were constructed, including decision tree, random forest, extreme gradient boosting, support vector machine, mult
Аннотация на английскомСтатьяПоиск 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: Sepsis-associated encephalopathy (SAE) is defined as diffuse brain dysfunction associated with sepsis and leads to a high mortality rate. We aimed to develop and validate an optimal machine-learning model based on clinical features for early predicting sepsis-associated acute brain injury.
METHODS: We analyzed adult patients with sepsis from the Medical Information Mart for Intensive Care (MIMIC III) clinical database. Candidate models were trained using random forest, support vector machine (SVM), decision tree classifier, gradients boosting machine (GBM), multiple layer percepti
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.
The prescription of lower limb prosthetics relies heavily on the assigned K-level. K-level assessment has been criticised for subjectivity and variability, potentially leading to inappropriate component selection and poorer functional outcomes. This study presents an original methodology for objectively determining activity levels from inertial sensor data, developed through rigorous data collection on 20 amputees who walked on various types of outdoor terrain (flat ground, stairs, ramp, grass/uneven/unstable surfaces), with and without a walking aid. Advanced machine learning algorithms were
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.
We study machine learning techniques to automatically identify limb abnormalities (including fractures, dislocations and foreign bodies) from radiology reports. For patients presenting to the Emergency Room (ER) with suspected limb abnormalities (e.g., fractures) there is often a multi-day delay before the radiology report is available to ER staff, by which time the patient may have been discharged home with the possibility of undiagnosed fractures. ER staff, currently, have to manually review and reconcile radiology reports with the ER discharge diagnosis; this is a laborious and error-prone
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.
Non-contact injuries significantly impact professional football, yet traditional risk assessment methods demonstrate limited predictive accuracy. This study aimed to develop and validate a machine learning model integrating lower limb strength asymmetry data for injury prediction. A prospective cohort study enrolled 312 professional male football players from six European clubs (2022–2024). Comprehensive isokinetic strength testing, functional assessments, and 12-month injury surveillance were conducted. Four machine learning algorithms (Random Forest, SVM, GBDT, Deep Neural Networks) were dev
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.
Renal fibrosis is a key pathological feature of chronic kidney disease (CKD), yet its noninvasive evaluation remains challenging. Radiomics provides a quantitative approach for extracting image-based biomarkers from ultrasound, and machine learning techniques may further enhance diagnostic accuracy for fibrosis severity assessment. This study aimed to compare and interpret machine learning models that utilize radiomics features extracted from ultrasound images for the evaluation of renal fibrosis severity in CKD patients. A total of 182 CKD patients (mean age, 40.91 ± 14.55 years; 101 men and
СтатьяСравнительное 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.
Following complete mesocolic excision (CME), heart failure (HF) emerges as a significant complication, exerting substantial impacts on both short-term and long-term patient prognoses. The primary objective of our investigation was to develop a machine learning model capable of discerning preoperative and intraoperative high-risk factors, facilitating the prediction of HF occurrence subsequent to CME. A cohort comprising 1158 patients diagnosed with colon cancer was enrolled in our study, encompassing 172 individuals who developed postoperative HF. We compiled 37 feature variables, spanning pat
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: Lung cancer, a major global health concern, disproportionately impacts low socioeconomic status (SES) patients, who face suboptimal care and reduced survival. This study aimed to evaluate the prognostic performance of traditional Cox proportional hazards (CoxPH) regression and machine learning models, specifically Decision Tree (DT), Random Forest (RF), Support Vector Machine (SVM), and Extreme Gradient Boosting (XGBoost), in patients with advanced lung cancer with low SES.
DESIGN: A retrospective study.
METHOD: The 949 patients with advanced lung cancer with low SES who entered
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: The incidence of postoperative acute kidney injury (AKI) is high due to insufficient perfusion in patients with heart failure. Heart failure patients with preserved ejection fraction (HFpEF) have strong heterogeneity, which can obtain more accurate results. There are few studies for predicting AKI after coronary artery bypass grafting (CABG) in HFpEF patients especially using machine learning methodology.
METHODS: Patients were recruited in this study from 2018 to 2022. AKI was defined according to the Kidney Disease Improving Global Outcomes (KDIGO) criteria. The machine learning
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.
OBJECTIVE: Prediction of amputation wound healing is challenging due to the multifactorial nature of critical limb ischemia and lack of objective assessment tools. Up to one-third of amputations require revision to a more proximal level within 1 year. We tested a novel wound imaging system to predict amputation wound healing at initial evaluation.
METHODS: Patients planned to undergo amputation due to critical limb ischemia were prospectively enrolled. Clinicians evaluated the patients in traditional fashion, and all clinical decisions for amputation level were determined by the clinician's j
СтатьяНаблюдательное исследованиеПоддержка NIH: внешняя программаПолный 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: Post-stroke dementia (PSD), a common complication, diminishes rehabilitation efficacy and affects disease prognosis in stroke patients. Many factors may be related to PSD, including demographic, comorbidities, and examination characteristics. However, most existing methods are qualitative evaluations of independent factors, which ignore the interaction amongst various factors. Therefore, the purpose of this study is to explore the applicability of machine learning (ML) methods for predicting PSD.
METHODS: 9 acceptable features were screened out by the Spearman correlation analysis
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: Nasogastric tube (NGT) feeding is a common method for providing enteral nutrition to patients with acute ischemic stroke (AIS) and dysphagia. However, prolonged NGT dependence contributes to adverse clinical consequences. Early identification of patients who may develop persistent NGT dependence remains challenging.
METHODS: A total of 852 AIS patients requiring NGT were included and allocated to the training (n = 596) and internal validation (n = 256) sets. Predictor selection utilized least absolute shrinkage and selection operator (LASSO) regression, the eXtreme Gradient Boosti
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 AND AIMS: Myopia is a prevalent refractive error, particularly among young adults, and is becoming a growing global concern. This study aims to predict myopia among undergraduate students using ensemble machine learning techniques and to identify key risk factors associated with its development.
METHODS: A cross-sectional study was conducted in Dinajpur city, collecting 514 samples through a self-structured questionnaire covering demographic information, myopia prevalence and risk factors, knowledge and attitudes, and daily activities. Four feature selection techniques Boruta-based
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: Mucoepidermoid carcinoma (MEC), typically arising in the salivary glands, has been documented in various anatomical locations. This study aimed to develop machine learning models for efficient prognosis prediction in patients with MEC across different anatomical sites and to create a novel tool for identifying high-risk patients in clinical settings.
METHODS: A retrospective cohort study involving 6280 patients with MEC from diverse anatomical sites was conducted. COX regression analysis identified prognostic variables. Five machine learning models-Support Vector Machine (SVM), Ran
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: Inguinal lymph node metastasis (ILNM) is significantly associated with poor prognosis in patients with squamous cell carcinoma of the penis (SCCP). Patient prognosis could be improved if the probability of ILNM incidence could be accurately predicted at an early stage. We developed a predictive model based on machine learning combined with big data to achieve this.
METHODS: Data of patients diagnosed with SCCP were obtained from the Surveillance, Epidemiology, and End Results Program Research Data. By combing variables that represented the patients' clinical characteristics, we app
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 is a progressively advancing neurological condition. Its severity is evaluated by utilizing the Hoehn and Yahr staging scale. Such assessments may be inconsistent, are more time-consuming, and expensive for patients. To address these shortcomings, this article introduces a machine learning-based gait classification system to assist doctors in identifying the stages of Parkinson's disease. This study utilizes two open-access benchmark datasets from PhysioNet and Figshare to assess ground reaction force collected from patients diagnosed with Parkinson's Disease. This study pr
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 aimed to develop an explainable machine learning framework integrating dual-modality ultrasonography and thyroid function parameters for preoperative prediction of central lymph node metastasis (CLNM) in capsular-invasive papillary thyroid carcinoma. A retrospective cohort of 382 pathologically confirmed capsular-invasive papillary thyroid carcinoma patients was stratified into CLNM-negative and CLNM-positive cohorts. After comprehensive univariate and multivariate logistic regression analyses, predictive models were developed using 8 machine learning algorithms (including Logistic
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.
MedElevator
Войти в исследования