This study aimed to establish a machine learning (ML) model for predicting hepatic metastasis in esophageal cancer. We retrospectively analyzed patients with esophageal cancer recorded in the Surveillance, Epidemiology, and End Results (SEER) database from 2010 to 2020. We identified 11 indicators associated with the risk of liver metastasis through univariate and multivariate logistic regression. Subsequently, these indicators were incorporated into six ML classifiers to build corresponding predictive models. The performance of these models was evaluated using the area under the receiver oper
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 firing patterns of neurons in the basal ganglia are known to become more oscillatory and synchronized from healthy to parkinsonian conditions. Similar changes have been observed with local field potentials (LFPs). In this study, we used an unbiased machine learning approach to investigate the utility of pallidal LFPs for discriminating the stages of a progressive parkinsonian model. A feature selection algorithm was used to identify subsets of LFP features that provided the most discriminatory information for severity of parkinsonian motor signs. Prediction errors <20% were achievable usin
СтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПоддержка 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: Identifying treatment responders after a single session of photo-based procedure for hyperpigmentary disorders may be difficult.
OBJECTIVES: We aim to train a convolutional neural network (CNN) to test the hypothesis that there exist discernible features in pretreatment photographs for identifying favorable responses after photo-based treatments for facial hyperpigmentation and develop a clinically applicable algorithm to predict treatment outcome.
METHODS: Two hundred and sixty-four sets of pretreatment photographs of subjects receiving photo-based treatment for esthetic enhance
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 study of executive function decline in adults with Down syndrome (DS) is important, because it supports independent functioning in real-world settings. Inhibitory control is posited to be essential for self-regulation and adaptation to daily life activities. However, cognitive domains that most predict the capacity for inhibition in adults with DS have not been identified. The aim of this study was to identify cognitive domains that predict the capacity for inhibition, using novel data-driven techniques in a sample of adults with DS (n = 188; 49.47% men; 33.6 ± 8.8 years old), with low and
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.
When predictive covariates for a dichotomous outcome dependent variable are undetectable or unmeasurable for some subjects, a fact in itself that may be of considerable prognostic importance, traditionally such subjects' data are dropped from multiple logistic regression analyses. An alternative analytical algorithm is offered here for such situations. First, a series of multiple logistic regressions are applied to the complete data where covariates are initially coded as dichotomous, e.g., detectable or nondetectable. Then, a second series of logistic regressions are fitted for those subjects
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.
Hepatitis continues to be a major global health challenge, leading to high morbidity and mortality rates. Despite advances in diagnosis and treatment, early prediction of hepatitis outcomes remains an essential area for improvement. This study seeks to address this gap by applying a range of advanced machine learning (ML) algorithms to predict hepatitis, contributing to global efforts to enhance public health outcomes. The study utilized the hepatitis dataset from the UCI repository, which includes 155 participants and 20 attributes related to demographics, clinical data, and laboratory result
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.
Structure-based virtual screening is an attractive strategy in drug design. It enables the selection of potential binders to target biomolecules with known molecular structures, providing a rational framework for studying their mechanisms of action and guiding further optimization. However, accurately predicting the free energy of binding remains an extremely challenging task, and the available tools only provide approximate estimates. In this context, one strategy to improve the predictive power of virtual screening and increase the probability of identifying true binders is to employ multipl
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.
The rise of resistance to antiretroviral drugs due to mutations in human immunodeficiency virus-1 (HIV-1) protease is a major obstacle to effective treatment. These mutations alter the drug-binding pocket of the protease and reduce the drug efficacy by disrupting interactions with inhibitors. Traditional methods, such as biochemical assays and structural biology, are crucial for studying enzyme function but are time-consuming and labor-intensive. To address these challenges, we developed HIV OctaScanner, a machine learning algorithm that predicts the proteolytic cleavage activity of octameric
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.
European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology2026eng
BACKGROUND: Accurate preoperative prediction of lymph node metastasis (LNM) is essential for treatment selection in early gastric cancer (EGC), particularly when considering endoscopic submucosal dissection. Existing approaches show limited sensitivity for metastatic disease and frequently lack external or prospective validation. We aimed to develop and validate an interpretable machine-learning model for individualized preoperative prediction of LNM in EGC.
METHODS: In this multicenter study, four cohorts from three tertiary centers were included. Patients with pathologically confirmed EGC w
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/Objectives: Broad-range bacterial 16S rRNA gene PCR followed by sequencing may improve the etiological diagnosis of infective endocarditis (IE), particularly when conventional cultures are negative. This systematic review and meta-analysis evaluated the overall molecular detection yield and incremental value of valve-tissue 16S molecular testing in surgically managed IE. Methods: PubMed/MEDLINE, Scopus, Web of Science Core Collection, and Europe PMC were searched for Open Access studies published from 2016 to 2026. Eligible studies evaluated broad-range bacterial 16S PCR with sequen
СтатьяОбзорПолный 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 scoping review aims to consolidate the current evidence on the use of machine learning (ML) algorithms to predict mortality following transcatheter aortic valve replacement (TAVR) procedures. This review was conducted in accordance with Preferred Reporting Items for Systematic Reviews and Meta-Analysis (PRISMA) guidelines. Electronic databases, including Medline, Embase, Cochrane, and ClinicalTrials.gov, were searched for studies assessing the use of ML models for the prediction of mortality in patients undergoing TAVR. A total of 1076 citations were screened, of which 21 studies underwen
СтатьяОбзорПолный 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 triglyceride-glucose (TyG) index is a reliable surrogate marker of insulin resistance. However, its prognostic significance in patients with colorectal cancer liver metastases (CRLM) remains unclear. This study aimed to investigate its prognostic value and develop a machine learning (ML) - based predictive model in CRLM.
METHODS: A total of 644 patients with synchronous CRLM who underwent curative-intent treatment were enrolled in this single-center retrospective study. The association between the TyG index and overall survival (OS) was assessed using Kaplan-Meier analysis and
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: Mood swings in reproductive-age women arise from interacting hormonal, metabolic, and lifestyle factors, yet scalable screening tools remain limited. Artificial intelligence (AI) and machine learning (ML) approaches offer the potential to integrate diverse predictors and enable early, data-driven risk stratification.
OBJECTIVE: To evaluate the performance of ML algorithms in predicting mood swings among reproductive-age women using menstrual, metabolic, and lifestyle survey data and to identify the most influential predictors.
METHODS: The study cohort included 465 reproductive-a
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: Preserved ratio impaired spirometry (PRISm), defined by reduced FEV1 with preserved FEV1/FVC ratio, has been linked to cardiometabolic diseases (CMDs), but underlying mechanisms remain unclear. This study aims to identify plasma proteomic signatures linking PRISm to type 2 diabetes (T2D), ischaemic heart disease (IHD), stroke, first cardiometabolic disease (FCMD), and cardiometabolic multimorbidity (CMM).
METHODS: We conducted plasma proteomic profiling of 2 911 proteins in 32 689 UK Biobank participants with a median follow-up of 14.37 years. Machine learning algorithms were empl
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: To construct and validate a risk prediction model for refeeding syndrome (RFS) in patients with severe acute pancreatitis (SAP), identify high-risk individuals before overt electrolyte abnormalities occur, and provide decision support for the timing of enteral nutrition initiation and early personalized intervention.
METHODS: A retrospective cohort study was conducted on SAP patients admitted to Xuzhou Medical University Affiliated Hospital (XYFY) between September 2018 and September 2025. Patients were divided into RFS and Non-RFS groups based on the development of RFS after initi
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.
Alzheimer's Disease (AD) is a neurodegenerative disease that causes significant clinical, social, and economic burden worldwide. Despite improvements in understanding its multifaceted pathogenesis, current treatments are mostly symptomatic and ineffective across varied patient populations. To overcome these constraints, AI-driven precision medicine allows tailored risk assessment, treatment selection, and disease monitoring. This review covers AI's role in AD precision medicine, focusing on drug repurposing, digital therapies and clinical decision support systems. Machine and deep learning mod
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.
AIMS: Cancer therapy-related cardiac dysfunction (CTRCD) is a prevalent complication with adverse clinical implications. Guidelines have emphasized the need for reliable baseline risk prediction to guide prevention strategies. While machine learning (ML) has shown promise in cardiovascular medicine, the readiness of ML-based prognostic models for baseline CTRCD risk prediction in cardio-oncology remains unclear.
AIMS: To systematically review and critically appraise the performance, methodological quality, and clinical applicability of ML-based models for predicting baseline CTRCD risk.
METH
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: While artificial intelligence (AI) is advancing rapidly across cardiovascular medicine, its translation into cardiac surgery remains limited. Algorithms show promise in diagnostics, perioperative risk prediction, and workflow optimization, yet most applications remain confined to research environments. A focused synthesis is needed to clarify validated clinical value and persistent implementation barriers.
METHODS: We conducted a systematic review following PRISMA 2020 guidelines, searching PubMed, Scopus, and Web of Science for studies published between January 2015 and September
СтатьяОбзорПоиск 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.
INTRODUCTION: Delayed graft function (DGF) is a frequent early complication after kidney transplantation. We systematically reviewed artificial intelligence and machine learning (AI/ML) models that use routine clinical variables to predict DGF.
METHODS: This PROSPERO-registered review (CRD420261400263) followed PRISMA guidance. MEDLINE/PubMed, Embase, Web of Science Core Collection and Cochrane Library were searched for human studies, without date restriction. Studies that developed or validated AI/ML models for DGF prediction using routine donor, recipient, immunological, laboratory, ischaem
СтатьяОбзорПоиск 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.
Clear cell renal cell carcinoma (ccRCC) is the most common renal carcinoma subtype. Aging-related genes (ARGs) are implicated in ccRCC progression, though their mechanisms remain unclear. This study aimed to elucidate the molecular mechanisms of ARGs in ccRCC and identify potential prognostic biomarkers and therapeutic targets. Transcriptomic data from the cancer genome atlas (TCGA-ccRCC) cohort were analyzed. differentially expressed genes and ARGs were intersected to identify candidate genes. Prognostic ARGs were then screened using machine learning algorithms. A risk model was constructed a
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