BACKGROUND: This study aimed to develop predictive models with robust generalization capabilities for assessing the risk of pulmonary embolism in patients with tuberculosis using machine learning algorithms.
METHODS: Data were collected from two centers and categorized into development and validation cohorts. Using the development cohort, candidate variables were selected via the Recursive Feature Elimination (RFE) method. Five machine learning algorithms, logistic regression (LR), random forest (RF), extreme gradient boosting (XGBoost), light gradient boosting machine (LightGBM), and support
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.
Sepsis-associated acute kidney injury (SA-AKI) patients in the ICU often suffer from sepsis-associated delirium (SAD), which is linked to unfavorable outcomes. This research aimed to develop a machine learning-based model for early SAD prediction in SA-AKI patients. Data was sourced from the Medical Information Mart for Intensive Care IV (MIMIC-IV) and eICU Collaborative Research Database (eICU-CRD). Various models, including logistic regression, extreme gradient boosting (XGBoost), random forest, k-nearest neighbors, support vector machine, decision tree, and naive Bayes, were constructed and
СтатьяНаблюдательное 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 current congenital heart disease (CHD) prediction tools lack adequate interpretability and convenience, hindering the development of personalized CHD management strategies. We developed a machine learning-based risk stratification model for CHD prediction.
METHODS: This study utilized data from 1,759 participants in a case-control study of CHD conducted across six birth defects surveillance hospitals located in Xi'an, Shaanxi Province, Northwest China, spanning from January 2014 to December 2016. The data was partitioned into training and testing datasets with a ratio of 7:3.
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: Chronic pain is common among middle-aged and older Chinese adults, yet latent pain patterns, temporal transitions, and individual susceptibility factors remain unclear. Using five waves of the China Health and Retirement Longitudinal Study, we assessed latent pain classes, their dynamic changes, and key predictors of low back pain (LBP) in adults aged ≥ 45 years. METHODS: Latent class analysis (LCA) was used to identify pain-site patterns at each wave, and Kendall correlations assessed associations among sites. Latent transition analysis (LTA) evaluated temporal shifts and the modif
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: The stress hyperglycemia ratio (SHR), which quantifies the degree of acute hyperglycemia relative to a patient’s chronic glycemic background, serves as a biomarker reflecting acute metabolic dysregulation, yet its association with mortality among critical ill COVID-19 patients remains ambiguous. This study aims to elucidate this relationship and integrate SHR into machine learning models to predict mortality risk. METHOD: This study retrospectively analyzed critically ill COVID-19 patients from the Northwestern ICU (NWICU) database. The primary and secondary outcomes were all-cause
СтатьяМногоцентровое 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.
BACKGROUND: Surgical resection is the primary curative option for elderly patients with non-small cell lung cancer (NSCLC), but its survival benefit remains debated due to comorbidities and competing risks. This study evaluated the dynamic impact of surgery on long-term survival and developed machine learning models for prognostic prediction.
METHODS: We analyzed 259,701 elderly NSCLC patients (≥ 60 years) from the SEER database (2000-2021). Patients with missing disease stage or tumor size were strictly excluded. Propensity score matching (1:1, caliper = 0.05), comprehensively adjusting for
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: With rapid economic development, the world's average life expectancy is increasing, leading to the increasing prevalence of osteoporosis worldwide. However, due to the complexity and high cost of dual-energy x-ray absorptiometry (DXA) examination, DXA has not been widely used to diagnose osteoporosis. In addition, studies have shown that the psoas index measured at the third lumbar spine (L3) level is closely related to bone mineral density (BMD) and has an excellent predictive effect on osteoporosis. Therefore, this study developed a variety of machine learning (ML) models based o
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: To create a machine-learning model for estimating the likelihood of post-retrograde intrarenal surgery (RIRS) sepsis.
METHODS: All consecutive patients with kidney stone(s) only undergoing RIRS in 16 centers were prospectively included (January 2022-August 2023).
INCLUSION CRITERIA: adult, renal stone(s) only, CT scan (within three months), mid-stream urine culture (within 10 days).
EXCLUSION CRITERIA: concomitant ureteral stone, bilateral procedures. In case of symptomatic infection/asymptomatic bacteriuria, patients were given six days of antibiotics according to susceptibility p
СтатьяМногоцентровое 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.
Molecular assays are critical tools for the diagnosis of infectious diseases. These assays have been extremely valuable during the COVID pandemic, used to guide both patient management and infection control strategies. Sustained transmission and unhindered proliferation of the virus during the pandemic resulted in many variants with unique mutations. Some of these mutations could lead to signature erosion, where tests developed using the genetic sequence of an earlier version of the pathogen may produce false negative results when used to detect novel variants. In this study, we assessed the p
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.
Cholera is a leading cause of mortality in Nigeria. The two most significant predictors of cholera are a lack of access to clean water and poor sanitary conditions. Other factors such as natural disasters, illiteracy, and internal conflicts that drive people to seek sanctuary in refugee camps may contribute to the spread of cholera in Nigeria. The aim of this research is to develop a cholera outbreak risk prediction (CORP) model using machine learning tools and data science. In this study, we developed a CORP model using design science perspectives and machine learning to detect cholera outbre
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.
Catheter-induced dissections (CID) of coronary arteries and/or the aorta are among the most dangerous complications of percutaneous coronary procedures, yet the data on their risk factors are anecdotal. Logistic regression and five more advanced machine learning techniques were applied to determine the most significant predictors of dissection. Model performance comparison and feature importance ranking were evaluated. We identified 124 cases of CID in electronic databases containing 84,223 records of diagnostic and interventional coronary procedures from the years 2000-2022. Based on the f1-s
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.
There is significant interest in establishing a capability for tailored synthesis of next-generation carbon-based nanomaterials due to their broad range of applications and high degree of tunability. High pressure (e.g., shockwave-driven) synthesis holds promise as an effective discovery method, but experimental challenges preclude elucidating the processes governing nanocarbon production from carbon-rich precursors that could otherwise guide efforts through the prohibitively expansive design space. Here we report findings from large scale atomistically-resolved simulations of carbon condensat
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.
INTRODUCTION: This project intended to develop and validate a diabetes prediction model for high-risk populations based on machine learning algorithms.
MATERIAL AND METHODS: A total of 2,355 samples from the National Health and Nutrition Examination Survey (NHANES) database covering three cycles from 2013 to 2018 were included. The data were divided into training and testing sets in a 7 : 3 ratio. Nineteen risk prediction factors were selected as feature variables, including demographic baseline data, measurement data, medical history, and psychological health. Five machine learning models -
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.
OBJECTIVE: Early differentiation of pediatric acute respiratory infections in outpatient and emergency settings is often hindered by nonspecific clinical signs, leading to unnecessary empirical antibiotic use and avoidable radiation exposure. Therefore, this study aimed to develop and internally evaluate an early triage model to distinguish pediatric bronchopneumonia (BP) from uncomplicated upper respiratory tract infection using routine, cost-effective laboratory parameters analyzed with machine-learning algorithms.
METHODS: This retrospective study consecutively enrolled 532 pediatric patie
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 AND PURPOSE: The occurrence of bone metastasis (BM) in advanced bladder cancer (BC) often signifies a poor prognosis. Currently, the accurate prediction of BM in BC remains a challenge. This study develops predictive models using machine learning algorithms to predict bladder cancer bone metastasis (BCBM) and aid in personalized clinical decisions.
PATIENTS AND METHODS: We reviewed and analyzed data from patients diagnosed with BC between 2010 and 2015 in the Surveillance, Epidemiology, and End Results (SEER) database. In addition, we included 327 patients treated at the Second Aff
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: Non-alcoholic fatty liver disease (NAFLD) is a leading cause of chronic liver disease, closely associated with metabolic abnormalities and unhealthy lifestyle habits. Despite the critical role of diet in disease progression, most existing prognostic models for NAFLD fail to incorporate dietary factors. This study aims to integrate demographic, serological, and nutritional data. It focuses on developing machine learning models that predict all-cause mortality risk in NAFLD patients, with a particular emphasis on dietary interventions.
METHODS: Data from the National Health and Nutr
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.
OBJECTIVES: Diagnosing dengue accurately, especially in resource-limited settings, remains challenging due to overlapping symptoms with other febrile illnesses and limitations of current diagnostic methods. This study aimed to develop machine learning models that leverage readily available clinical data to improve diagnostic accuracy for dengue, potentially offering a more accessible and rapid diagnostic tool for healthcare providers.
METHODS: We used data from the Sentinel Enhanced Dengue Surveillance System in Puerto Rico (May 2012-June 2024). The Sentinel Enhanced Dengue Surveillance Syste
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.
Plants often exhibit a midday depression in water use (i.e., transpiration), reflecting a constraint on their ability to sustain maximum water transport, which may occur at the cost of reduced photosynthesis. Eddy covariance observations and geostationary satellites cannot quantify this widespread phenomenon globally while resolving fine-scale spatial variability. Using evapotranspiration measurements from the ECOsystem Spaceborne Thermal Radiometer Experiment on Space Station (ECOSTRESS) and machine learning, we quantify the global distribution of midday depression in evapotranspiration. Midd
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.
OBJECTIVES: Patients with substance misuse are at high risk for clinical deterioration, and pre-hospital encounters constitute important risk factors. We sought to incorporate these risk factors into a novel prediction model using linked electronic health record, emergency medical services (EMSs), and claims data.
MATERIALS AND METHODS: Using 23 454 hospital encounters, we developed machine-learning models to predict mechanical ventilation, vasopressor initiation, or death within 12 hours of a vital sign or laboratory measurement. Models were compared to the modified early warning score.
RES
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: Excessive fructose intake has been linked to adverse metabolic outcomes, yet few studies have comprehensively described the clinical, behavioral, and nutritional patterns associated with different intake levels using machine learning. Methods: In this study, unsupervised and supervised algorithms were applied to a healthy Mexican cohort to examine features related to high fructose consumption, defined as intake above 25 g per day. Results: K-Means clustering identified three distinct profiles, with one subgroup showing less favorable anthropometric, biochemical, and behavioral char
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.
MedElevator
Войти в исследования