The rapid rise in global population and industrial activity has intensified environmental challenges, particularly carbon dioxide (CO₂) emissions from the cement and concrete industry. Biochar, a carbon-rich byproduct of biomass pyrolysis, has emerged as a promising solution for sustainable construction by enhancing carbon sequestration and improving mechanical performance when partially substituting cement. This study integrates experimental evidence with advanced machine learning (ML) techniques to evaluate the compressive strength, cost-efficiency, and carbon footprint of biochar-incorporat
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.
Tyrosyl-DNA phosphodiesterase I (TDP1) repairs topoisomerase I (TOP1)-mediated DNA damage and is a promising anticancer target, particularly in combination with TOP1 inhibitors. However, the discovery of potent and drug-like TDP1 inhibitors remains challenging due to the limited structural diversity of known active compounds. Here, we developed an integrated computational framework combining machine learning (ML), deep learning (DL), and structure-based docking with experimental validation. A curated dataset of 2040 compounds (857 active, 1183 inactive) was assembled and analyzed by scaffold c
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.
AIMS: To develop a cardiovascular disease (CVD) risk prediction model with improved accuracy and interpretability by integrating diverse risk factors and applying Automated Machine Learning (AutoML), thereby enhancing clinical utility over conventional models.
METHODS: This is a prospective cohort study. Data were obtained from the Multi-Ethnic Study of Atherosclerosis (MESA), including baseline and fifth follow-up visits, comprising 4713 participants. Exercise and dietary data were harmonized via Metabolic Equivalent of Task (MET) and Healthy Eating Index-2015 (HEI-2015), respectively. Predi
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.
Diminished drive is one of the core symptoms of major depressive disorder (MDD) diagnosis, yet its underlying neural mechanisms remain elusive, primarily due to a lack of appropriate animal models. We developed a novel Multilevel Exploration Test (MET) apparatus to evaluate exploratory behavior, which is captured as a dynamic, stage-dependent process involving "search", "attend/investigate", and "approach" phases. We employed fiber photometry to measure real-time dopamine dynamics in the nucleus accumbens. We further combined cFos staining and neural circuit tracing to identify relevant brain
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.
INTRODUCTION: Advances in hemophilia treatment have improved life expectancy, yet challenges remain in disease management, predicting clinical complications, and optimizing healthcare resources. Artificial intelligence (AI) and machine learning (ML) have emerged as promising tools to support clinical decision-making and personalized care.
OBJECTIVES: To map the available evidence on AI and ML applications in hemophilia and summarize their contributions to clinical practice.
METHODS: A scoping review was conducted following the Joanna Briggs Institute methodology and reported according to PRI
СтатьяОбзорПолный 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: High-dose methotrexate (HD-MTX) is essential for pediatric acute lymphoblastic leukemia (ALL) but frequently causes hepatotoxicity. To address the critical lack of early prediction tools, this study investigated untargeted metabolomic profiles to identify predictive biomarkers and establish robust machine learning (ML) models for early clinical risk assessment and therapeutic optimization.
METHODS: This study included 106 pediatric patients with ALL undergoing HD-MTX therapy. Of these, 56 developed moderate-to-severe liver injury. Untargeted plasma metabolomics was performed befor
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: Ad--verse childhood experiences (ACEs) are associated with increased risk of depressive symptoms in later life. This study aimed to develop and externally validate an interpretable machine-learning model for predicting incident depressive symptoms among ACE-exposed middle-aged and older adults.
METHODS: Data were obtained from the English Longitudinal Study of Aging (ELSA) and the Health and Retirement Study (HRS). Participants with baseline depressive symptoms were excluded. ELSA was used for model development and HRS for external validation. LASSO regression was applied for pred
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: To assess the neurological prognosis of patients with autoimmune encephalitis (AE) after severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection and construct risk prediction models for a worse prognosis.
METHODS: This was a prospective, multicenter, observational cohort study. Patients with AE, with or without SARS-CoV-2, were followed up every 3 months. Multivariate logistic regression was used to identify factors influencing neurological prognosis. Prediction models were created using nine machine-learning strategies.
RESULTS: SARS-CoV-2 infection was noted in 24
СтатьяМногоцентровое исследованиеНаблюдательное 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.
INTRODUCTION: Accurate differentiation of spinal tuberculosis, pyogenic spondylitis, and endplate osteochondritis remains a clinical challenge due to overlapping clinical and radiological manifestations. This study aimed to construct and validate an interpretable machine learning model to assist the differential diagnosis of the three commonly confused spinal diseases.
METHODS: A total of 481 patients were retrospectively recruited from Liuzhou People's Hospital between June 2020 and December 2024, including 247 cases of spinal tuberculosis, 92 cases of pyogenic spondylitis, and 142 cases 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.
BACKGROUND: Accurate prediction of mortality risk in gastrectomy is critical to optimize surgical management and improve patient outcomes. This study aims to develop machine learning (ML) models for predicting 30-day postoperative mortality following gastrectomy and identify key predictors.
METHODS: We utilized the National Surgical Quality Improvement Program (NSQIP) Participant Use Data File from 2017 to 2022 to develop ML models: (1) Random Forest, (2) Gradient-Boosted Tree, and (3) XGBoost model. A simple logistic regression model was further developed to compare the model's prediction. W
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: Lymphovascular invasion (LVI) is an independent risk factor for poor prognosis in pancreatic ductal adenocarcinoma (PDAC). This study aimed to develop and validate an explainable machine learning (ML)-based prediction model for LVI and assessed its prognostic value in patients with PDAC.
METHODS: In this two-center retrospective study, a total of 262 patients (141 in the training cohort, 61 in the internal validation cohort, and 60 in the external validation cohort) with PDAC who underwent CECT examination were included. Preoperative indicators, including clinical characteristics,
СтатьяМногоцентровое 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.
Computational toxicology plays an important role in risk assessment and drug safety. The field has been traditionally dominated by Quantitative Structure-Activity Relationships (QSARs), which predict toxicological effects based solely on chemical structure. Although QSARs have achieved successes, their structure reliance limits drug toxicity predictions, where small structural modifications may cause major toxicity changes. Advances in artificial intelligence (AI), especially text embedding and generative AI, provide an opportunity to enhance toxicity predictions by leveraging broader chemical
СтатьяПоддержка 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.
OBJECTIVE: Immunotherapy has improved outcomes for advanced-stage melanoma, however, predictive biomarkers remain limited. We evaluated whether computed tomography (CT) features from multiple anatomical regions could predict immunotherapy response.
MATERIALS AND METHODS: This study included 157 advanced cutaneous melanoma patients (mean age: 63.3 years; 65.6% male) treated with PD-1 immune checkpoint inhibitor (ICI) singly or in combination with LAG-3 or CTLA-4 ICIs. The primary outcome was 1-year progression-free survival (PFS ≥12 months). Available artificial intelligence (AI) algorithms we
СтатьяПрепринтПоиск 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.
INTRODUCTION: Metabolic syndrome (MetS) refers to a cluster of metabolic abnormalities that significantly increase the risk of developing cardiovascular diseases (CVDs). Traditional binary definitions of MetS fall short in capturing its severity spectrum, limiting personalized risk stratification.
OBJECTIVES: We aimed to develop a super learner model and multilevel risk scorecard to improve MetS risk prediction and support early cardiovascular risk identification.
METHODS: This study included a total of 460,256 health examination records from Zhejiang, China (2018-2023), with 344,925 used fo
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.
Artificial intelligence (AI) is rapidly transforming the landscape of hepatology by enabling automated data interpretation, early disease detection, and individualized treatment strategies. Chronic liver diseases, including non-alcoholic fatty liver disease, cirrhosis, and hepatocellular carcinoma, often progress silently and pose diagnostic challenges due to reliance on invasive biopsies and operator-dependent imaging. This review explores the integration of AI across key domains such as big data analytics, deep learning-based image analysis, histopathological interpretation, biomarker discov
СтатьяОбзорПоиск 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.
Sepsis is a systemic inflammatory response syndrome that predisposes to severe lung infections (SeALAR) such as sepsis-associated acute lung injury (Se/ALI) or sepsis-associated acute respiratory distress syndrome (Se/ARDS). Through a systematic bioinformatics approach, this study aimed to unravel the pathogenesis of SeALAR and explore potential biomarkers and individualized therapeutic targets. We analyzed differential genes in the peripheral blood of SeALAR patients based on the GSE10474 and GSE32707 datasets, and identified 352 significantly differentially expressed genes. Various signaling
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.
OBJECTIVE: To develop an accurate prediction system for gestational diabetes mellitus (GDM) in women adhering to Institute of Medicine (IOM) weight gain criteria by analyzing early-pregnancy metabolic kinetics and identifying independent risk factors. METHODS: A prospective two-center cohort study enrolled 1,031 pregnant women meeting IOM guidelines. Clinical, anthropometric, and metabolic parameters (pre-pregnancy BMI, lipid profiles, inflammatory markers) were collected at 6–12 weeks of gestation. Machine learning models were trained on seven core variables identified via logistic regression
СтатьяМногоцентровое 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: Sportspeople suffering from mild traumatic brain injury (mTBI) who return prematurely to sport are at an increased risk of delayed recovery, repeat concussion events and, in the longer-term, the development of chronic traumatic encephalopathy. Therefore, determining the appropriate recovery time, without unnecessarily delaying return to sport, is paramount at a professional/semi-professional level, yet notoriously difficult to predict.
OBJECTIVES: To use machine learning to develop a multivariate model for the prediction of concussion recovery in sportspeople.
METHODS: Demographi
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.
OBJECTIVE: We compared the protein structure and pathogenicity of clinically relevant variants of the COG4 gene with AlphaFold2 (AF2), Alpha Missense (AM), and ThermoMPNN for the first time.
METHODS AND ANALYSIS: The sequences of clinically relevant Cog4 missense variants (one novel identified p.Y714F and three pre-existing p.G512R, p.R729W and p.L769R from Uniprot Q9H9E3) were imported into AF2 for protein structural prediction, and the pathogenicity was estimated using AM and ThermoMPNN. Different pathogenicity metrics were aggregated with principal component analysis (PCA) and further anal
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.
Post-stroke upper limb dysfunction severely impacts patients' daily life quality. Utilizing sEMG signals to predict patients' motion intentions enables more effective rehabilitation by precisely adjusting the assistance level of rehabilitation robots. Employing the muscle synergy (MS) features can establish more accurate and robust mappings between sEMG and motion intentions. However, traditional matrix factorization algorithms based on blind source separation still exhibit certain limitations in extracting MS features. This paper proposes four deep learning models to extract MS features from
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