INTRODUCTION: Institutional delivery dropout (IDD), defined as delivery outside a health facility despite attending antenatal care (ANC), remains a significant barrier to reducing maternal mortality in Nigeria. Traditional statistical models often fall short of capturing the complex, non-linear interactions among the socio-demographic factors that drive this critical health behavior. METHODS: Using a comprehensive dataset of 16,100 women from the 2018 Nigeria Demographic and Health Survey (NDHS), we applied and compared seven diverse machine learning (ML) algorithms, including models such as S
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: This study aimed to establish a rapid and accurate predictive model for mandibular third molar (MM3) extraction difficulty based on machine learning and multimodal parameters.
METHODS: A dataset was constructed by integrating clinical characteristics with morphological features automatically extracted from cone-beam computed tomography (CBCT) images. Extraction difficulty was determined by three experienced experts using a ten-factor scoring system and clinical judgment. Six machine learning (ML) models were developed: support vector machine (SVM), artificial neural network (ANN),
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: The aim of this study was to construct interpretable machine learning models to predict the risk of developing delirium in patients with sepsis and to explore the impact of delirium on the 28-day survival rate of patients.
METHODS: We enrolled 10,321 patients with sepsis older than eighteen years from the MIMIC-IV (Medical Information Mart for Intensive Care) database. Sepsis is defined as the presence or suspected presence of infection, along with a SOFA (Sequential Organ Failure Assessment) score of ≥ 2. Four machine learning models, namely XGBoost (extreme gradient Boost), SVM (
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: Coagulation system is currently known associated with the development of ischemic stroke (IS). Thus, the current study is designed to identify diagnostic value of coagulation genes (CGs) in IS and to explore their role in the immune microenvironment of IS.
METHODS: Aberrant expressed CGs in IS were input into unsupervised consensus clustering to classify IS subtypes. Meanwhile, key CGs involved in IS were further selected by weighted gene co-expression network analysis (WGCNA) and machine learning methods, including random forest (RF), support vector machine (SVM), generalized lin
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.
Non-Alcoholic Fatty Liver Disease (NAFLD) is characterized by the accumulation of excess fat in the liver. If left undiagnosed and untreated during the early stages, NAFLD can progress to more severe conditions such as inflammation, liver fibrosis, cirrhosis, and even liver failure. In this study, machine learning techniques were employed to predict NAFLD using affordable and accessible laboratory test data, while the conventional technique hepatic steatosis index (HSI)was calculated for comparison. Six algorithms (random forest, K-nearest Neighbors, Logistic Regression, Support Vector Machine
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: Chronic kidney disease (CKD) is a global health burden characterized by heterogeneous progression trajectories. Without timely and appropriate management, CKD can lead to increased morbidity and mortality and a reduced quality of life. Therefore, early identification of patients at high risk of developing end-stage renal disease (ESRD) or mortality is essential to facilitate timely intervention and improve patient outcomes.
OBJECTIVE: This study aimed to develop and validate machine learning models to predict ESRD and all-cause mortality in patients with CKD.
METHODS: We develope
СтатьяВалидационное исследованиеПоддержка 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.
OBJECTIVE: This study aimed to identify the clinical and laboratory variables determining the true diagnostic contribution of FDG-PET/CT in patients with fever of unknown origin (FUO) or inflammation of unknown origin (IUO), and to develop machine learning models capable of predicting which patients are most likely to benefit from PET/CT imaging.
METHODS: A retrospective cohort of patients aged over 18 years who underwent FDG-PET/CT for FUO/IUO evaluation was analyzed. Machine learning algorithms-including Extreme Gradient Boosting (XGBoost), linear and radial basis function Support Vector Ma
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: Open globe injuries (OGI) represent a main preventable reason for blindness and visual impairment, particularly in developing countries. The goal of this study is evaluating key variables affecting the prognosis of open globe injuries and validating internally and comparing different machine learning models to estimate final visual acuity.
MATERIALS AND METHODS: We reviewed three hundred patients with open globe injuries receiving treatment at Khatam-Al-Anbia Hospital in Iran from 2020 to 2022. Age, sex, type of trauma, initial VA grade, relative afferent pupillary defect (RAPD)
СтатьяСравнительное исследованиеВалидационное 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.
PURPOSE: Cervical insufficiency is a major cause of spontaneous preterm birth. Although McDonald cerclage improves outcomes, adverse events remain frequent. Accurate prediction of post-cerclage outcomes is essential for individualized management. Machine learning (ML) may enhance risk stratification, but clinical evidence remains limited.
PATIENTS AND METHODS: We retrospectively analyzed 462 pregnant women who underwent McDonald cerclage at the Department of Obstetrics and Gynecology, General Hospital of Northern Theater Command, from June 2021 to June 2024. Clinical, obstetric, and laborator
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.
PURPOSE: Fatigue is the most prevalent symptom across cancer types. To support clinicians in providing fatigue-related supportive care, this study aims to develop and compare models predicting clinically relevant fatigue (CRF) occurring between two and three years after diagnosis, and to assess the validity of the best-performing model across diverse cancer populations.
METHODS: Patients with non-metastatic bladder, colorectal, endometrial, ovarian, or prostate cancer who completed a questionnaire within three months after diagnosis and a subsequent questionnaire between two and three years t
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: After total knee arthroplasty (TKA), 10-20% of patients remain unsatisfied. Well-performing clinical prediction models can provide individualized risk estimates and stratification in terms of poor outcomes, resulting in unnecessary surgeries being avoided and patients being counseled preoperatively. We aimed to create a precise, well-performing prediction model for clinical application using different machine learning algorithms to predict those patients who will have residual pain, a low total Oxford Knee Score (OKS) and the patient group who do not achieve minimally c
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.
PURPOSE: This study aimed to use the machine-learning methods to predict bone metastasis (BM) in patients with lung cancer.
METHODS: This study included 8,612 patients with lung cancer, from whom we collected baseline characteristics and hematological data. BM was diagnosed based on imaging results. We normalized metric data using Z-scores and divided the patients into training and validation sets in a 7:3 ratio. After under-sampling of the training set to relieve the interlocking imbalance, the key variables were then selected using the LASSO method. Nine distinct machine-learning models wer
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: Using machine learning to identify clinical biomarkers for determining optimal response to mepolizumab in chronic rhinosinusitis with nasal polyps.
METHODS: Single center retrospective observational study with 84 CRSwNP patients treated with mepolizumab. We evaluated 4 machine learning algorithms: Decision Tree, Logistic Regression, K-Nearest Neighbors and Extreme Gradient Boosting. K-Fold cross-validation incorporating hyperparameter optimization in the process was used to ensure robustness and prevent overfitting.
RESULTS: After 6, 12 and 24 months, SNOT-22, VAS overall sympt
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: Postpartum depression (PPD) is a prevalent mental health issue with significant impacts on mothers and families. Exploring reliable predictors is crucial for the early and accurate prediction of PPD, which remains challenging.
OBJECTIVE: This study aimed to comprehensively collect variables from multiple aspects, develop and validate machine learning models to achieve precise prediction of PPD, and interpret the model to reveal clinical implications.
METHODS: This study recruited pregnant women who delivered at the West China Second University Hospital, Sichuan University. Variou
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.
PURPOSE: To use machine learning to predict new-onset shock for at-risk intensive care unit (ICU) patients based on discrete vital sign data from the electronic health record.
METHODS AND RESULTS: We included 11,305 adult cardiac, medical, neurological, and surgical ICU patients who did not have shock within 4 h of ICU admission. We used routine vital sign data collected from the first 4 h of the ICU stay to predict new-onset shock within the subsequent 4 h. We compared logistic regression with machine learning models including elastic net, random forest, boosted trees and extreme gradient bo
Сравнительное исследованиеСтатьяНаблюдательное исследованиеПоддержка 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.
BACKGROUND: Diabetic foot ulcers (DFUs) are serious complications of diabetes which can lead to lower extremity amputations (LEAs). Risk prediction models can identify high-risk patients who can benefit from early intervention. Machine learning (ML) methods have shown promising utility in medical applications. Explainable modeling can help its integration and acceptance. This study aims to develop a risk prediction model using ML algorithms with explainability for LEA in DFU patients.
METHODS: This study is a retrospective review of 2559 inpatient DFU episodes in a tertiary institution from 2
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.
Inhaled dose is crucial for accurately assessing exposure to air pollution, determined by pollutant concentration and minute ventilation (VE). However, the VE predictive models and its application to assess the health effects of air pollution are still lacking. In this study, we developed VE predictive models using machine learning techniques, utilizing data obtained from eighty participants who underwent a laboratory cardiopulmonary exercise test (CPET). VE predictive models were developed using generalized additive model (GAM), random forest model (RF) and extreme gradient boosting (XGBoost)
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: Rapidly progressive interstitial lung disease (RP-ILD) is a significant complication that determines the prognosis of dermatomyositis (DM). Early RP-ILD diagnosis can improve screening and diagnostic efficiency and provide meaningful guidance to carry out early and aggressive treatment.
METHODS: A retrospective screening of 284 patients with DM was performed. Clinical and laboratory characteristics of the patients were recorded. The risk factors of RP-ILD in DM patients were screened by logistic regression (LR) and machine learning methods, and the prediction models of RP-ILD were
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: Opioids play a role in pain management after surgery, but prolonged use contributes to developing opioid use disorder. Identifying patients at risk of prolonged use is critical for deploying interventions that reduce or avoid opioids; however, available predictive models do not incorporate patient-reported data (PRD), and it remains unclear whether PRD can predict postoperative use behavior. The authors used a machine learning approach leveraging preoperative PRD and electronic health record data to predict persistent opioid use after upper extremity surgery.
METHODS: Included pat
СтатьяПоддержка 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: Acute aortic dissection is a potentially fatal cardiovascular disorder associated with high mortality. However, current predictive models show a limited ability to efficiently and flexibly detect this mortality risk, and have been unable to discover a relationship between the mortality rate and certain variables. Thus, this study takes an artificial intelligence approach, whereby clinical data-driven machine learning was utilized to predict the in-hospital mortality of acute aortic dissection. Methods: Patients diagnosed with acute aortic dissection between January 2015 to December
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.
MedElevator
Войти в исследования