PURPOSE: Bladder cancer (BLCA) ranks as the tenth most common malignancy worldwide, with rising incidence and mortality rates. Owing to its molecular and clinical heterogeneity, BLCA is associated with high rates of recurrence and metastasis after surgery, contributing to a poor 5-year survival rate. There is a pressing need for highly sensitive and specific molecular biomarkers to enable early identification of high-risk patients, guide clinical management, and improve patient outcomes. This study aimed to develop a prognostic model on the basis of aging-related genes (ARGs) to evaluate survi
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.
OBJECTIVE: Determine the efficacy of commonly used approaches to handling missing and/or imbalanced Electronic Health Record (EHR) data on the performance of predictive models targeting risk of admission, intensive care unit (ICU) use, or prolonged length of stay (PLOS) among presenting febrile pediatric emergency department (ED) patients.
MATERIALS AND METHODS: Historical ED EHR data was used to train a series of XGBoost (XGB) and logistic regression (LR) classifiers. Data handling strategies included imputation methods (multiple imputation (MI), median imputation, complete case (CC) analysi
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
This study aimed to identify the end-of-life care provided to patients admitted to a ward using electronic nursing records standardized with SNOMED CT (Systematized Nomenclature of Medicine Clinical Terms) and to analyze changes in end-of-life care before and during the COVID-19 pandemic. The study setting was oncology or hematology-oncology wards in a tertiary care hospital. A total of 161 069 nursing statements for 600 patients before COVID-19, admitted from January 2018 to December 2019, and 110 333 nursing statements for 454 patients during COVID-19, admitted from January 2020 to December
СтатьяСравнительное 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.
PURPOSE: To reduce costs in genomic studies of time-to-event phenotypes like survival, researchers often sequence a subset of samples from a larger cohort. This process usually involves two phases: first, collecting inexpensive variables from all samples, and second, selecting a subset for expensive measurements, for example, sequencing-based biomarkers. Common two-phase designs include nested case-control and case-cohort designs. Additional designs include sampling subjects based on follow-up time, like extreme case-control designs. Recently an optimal two-phase design using a maximum likelih
СтатьяПоддержка исследования: вне правительства СШАПоддержка NIH: внешняя программаПоиск 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: Septic shock is a severe and life-threatening complication of sepsis associated with high mortality. Early identification remains challenging due to the heterogeneous clinical presentation of patients, incomplete real-world ICU data, and the dynamic pathophysiological progression of sepsis. This study aimed to develop and externally validate machine learning (ML) models to predict the progression to septic shock in intensive care unit (ICU) patients with sepsis.
METHODS: Data were extracted from two large critical care databases: MIMIC-IV (training set) and eICU-CRD (validation se
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: Septic shock is associated with high mortality, making accurate risk stratification crucial for tailored treatment. Traditional clinical scoring systems are limited by static assessments and suboptimal accuracy. Artificial intelligence (AI) offers the potential for dynamic and personalized prediction; however, its clinical utility requires rigorous evaluation.
OBJECTIVE: This systematic review and meta-analysis specifically evaluates the diagnostic accuracy of AI for mortality risk stratification in septic shock and compares their performance against traditional clinical scoring s
СтатьяСистематический обзорМетаанализПолный 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.
Rib pathology is uniquely difficult and time-consuming for radiologists to diagnose. AI can reduce radiologist workload and serve as a tool to improve accurate diagnosis. To date, no reviews have been performed synthesizing identification of rib fracture data on AI and its diagnostic performance on X-ray and CT scans of rib fractures and its comparison to physicians. The objectives of this study are to analyze the performance of artificial intelligence in diagnosing rib fracture on X-ray and computed tomography (CT) scan using multiple clinical studies and to compare it to that of physicians f
СтатьяСистематический обзорПоиск 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: Telemedicine (TM) has emerged as a transformative tool in trauma care, enabling remote consultation and guidance for healthcare providers, especially in resource-limited settings. This review evaluates TM's effectiveness in trauma care by assessing its impact on clinical outcomes, mortality, injury severity, and healthcare resource utilization.
PATIENTS AND METHODS: A systematic literature search was performed across PubMed, Google Scholar, Science Direct, ProQuest, Medline, and Web of Science and included randomized controlled trials and cohort studies involving adult trauma pati
СтатьяСистематический обзорМетаанализПоддержка 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.
OBJECTIVES: Surgical pressure injuries (SPIs) are a significant patient safety risk due to prolonged immobility and tissue hypoperfusion under general anaesthesia. Existing risk assessment tools lack real-time predictive capabilities. This study developed and validated a machine-learning model for SPI prediction and clinical integration.
METHOD: This retrospective cohort study analysed electronic health records from 931 surgical inpatients under general anaesthesia between January 2016 and December 2021. SPI cases were identified using ICD-10 codes with 1:1 matching by medical specialty. Data
СтатьяСравнительное 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.
Despite the approval of over 200 artificial intelligence (AI) applications for radiology in the European Union, widespread adoption in clinical practice remains limited. Current assessments of AI applications often rely on post-hoc evaluations, lacking the granularity to capture real-time radiologist-AI interactions. The purpose of the study is to realise the Radiology AI lab for real-time, objective measurement of the impact of AI applications on radiologists' workflows. We proposed the user-state sensing framework (USSF) to structure the sensing of radiologist-AI interactions in terms of per
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.
This study presents a deep learning-based approach for assessing infant pain through facial expression analysis using Convolutional Neural Networks (CNNs). Given infants' inability to verbally articulate pain, reliable assessment methods are crucial in clinical nursing. To address this need, we developed a CNN model utilizing the COPE (Classification of Pain Expression) database. Our model achieved a test accuracy of 90.24%, with an average precision and recall of 87.58%, and an F1 score of 0.8758. Additionally, the model demonstrated high performance with an area under the curve of 0.9818 on
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.
Traumatic brain injury (TBI) often causes lasting cognitive impairments and requires accurate predictions for personalized rehabilitation. This study evaluated the performance of multi-task deep learning models with and without slice-wise data augmentation. 3D Cerebrovascular reactivity (CVR) maps derived from resting-state fMRI at 3 months post injury along with clinical characteristics were used to predict neuropsychological outcomes at 12 months post-injury in patients with moderate to severe TBI. The model with slice-wise augmentation of 3D CVR maps outperformed the model without augmentat
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.
Hydrocephalus, particularly congenital hydrocephalus in infants, remains underexplored in deep learning research. While deep learning has been widely applied to medical image analysis, few studies have specifically addressed the automated classification of hydrocephalus. This study proposes a convolutional neural network (CNN) model based on the VGG16 architecture to detect hydrocephalus in infant head CT images. The model integrates an automated method for ventricular volume extraction, applying windowing, histogram equalization, and thresholding techniques to segment the ventricles from surr
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.
This study aims to develop and evaluate an artificial intelligence (AI)-based diagnostic system for the diagnosis of developmental dysplasia of the hip (DDH) in infant hip ultrasonography. The Graf algorithm was employed to develop an automated model for diagnosing DDH, resulting in a DDH-assisted AI model with an average Graf angle error rate of 0.21 compared to expert diagnostics. NASNetMobile achieved the highest Area Under the Curve (AUC) of 0.864 (95% CI, 0.850-0.878), closely followed by MobileNetV1, DenseNet121, EfficientNetV2B0, NASNetMobile, and ResNet50. UnestedUNet demonstrated the
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.
Developmental dysplasia of the hip (DDH) is a common neonatal condition that necessitates early diagnosis to ensure effective treatment. The traditional Graf method, while widely used for evaluating infant hips via ultrasound, is limited by operator dependency and measurement variability. This research has proposed a framework using deep learning network, morphological operation and local maxima method to diagnose DDH in newborns using ultrasound images. The method utilizes DeepLabv3 + for image segmentation, evaluating multiple backbone architectures (ResNet50, InceptionResNetV2, MobilenetV2,
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.
Speech signal analysis to support objective clinical decision-making has gained immense interest, especially in neurological disorders. This research assessed the feasibility of speech analysis on the detection of concussions. Using a speech dataset from 82 concussed and 82 healthy participants, we extracted two speech feature sets focusing on Mel Frequency Cepstral Coefficients (MFCCs) to characterize speech articulation. A machine learning pipeline was developed to discriminate concussion speech from healthy speech by applying Support Vector Machine (SVM), K-Nearest Neighbors (KNN), and Deci
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: Due to the big disease burden of undiagnosed chronic obstructive pulmonary disease (COPD), we aimed to investigate the differences in the characteristics and risk factors of patients with undiagnosed COPD in China.
METHODS: We used data from the 'Happy Breathing' Programme through April 2023. Current study is a cohort design. Participants were divided into high risk, undiagnosed and diagnosed COPD. Univariate logistic regression, lasso regression, decision tree, random forest and gradient boosting machine were used to screen the variables. Comparisons were conducted between undiag
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: To develop a machine learning (ML)-based predictive model for assessing the risk of pre-eclampsia using routinely collected clinical data.
METHODS: We retrospectively analysed data from 2444 pregnant women who delivered at Chi Mei Medical Center between 2015 and 2019, excluding patients under 20 years old. Pre-eclampsia was defined as blood pressure >140/90 mm Hg with proteinuria. Key features included gestational age, body weight, blood pressure and medical history. Five ML models were trained-logistic regression, random forest, light gradient boosting machine, extreme gradient b
СтатьяВалидационное 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.
Osteoarthritis (OA) pain often does not correlate with magnetic resonance imaging (MRI)-detected structural abnormalities, limiting the clinical utility of traditional volume-based lesion assessments. To address this mismatch, we present a novel explainable artificial intelligence (XAI) framework that localizes pain-driving abnormalities in knee MR images via counterfactual image synthesis and Shapley-based feature attribution. Our method combines a Bayesian generative network-which is trained to synthesize asymptomatic versions of symptomatic knees-with a black-box pain classifier to generate
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: Capecitabine, an oral anticancer agent, frequently causes hand-foot syndrome (HFS), affecting patients' quality of life and treatment adherence. However, such symptomatic toxicities are often difficult to detect in structured electronic health record (EHR) data. This study primarily aimed to validate a natural language processing (NLP) approach to identifying capecitabine-induced HFS from unstructured clinical text and demonstrate its application in evaluating medication-associated adverse event trends in real-world settings.
METHODS: We conducted a retrospective cohort study using E
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.
MedElevator
Войти в исследования