We have designed two computer-based algorithms for T cell epitope prediction, OptiMer and EpiMer, which incorporate current knowledge of MHC-binding motifs. OptiMer locates amphipathic segments of protein antigens with a high density of MHC-binding motifs. EpiMer identifies peptides with a high density of MHC-binding motifs alone. These algorithms exploit the striking tendency for MHC-binding motifs to cluster within short segments of each protein. Putative epitopes predicted by these algorithms contain motifs corresponding to many different MHC alleles, and may contain both class I and class
Сравнительное исследованиеСтатьяПоддержка службы здравоохранения 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.
OBJECTIVES: Levetiracetam (LEV) is mainly eliminated unchanged through the kidneys, and its steady-state serum concentration is associated with dose, body weight, renal function, and concomitant medications. However, marked concentration variability remains in children with epilepsy due to growth and developmental changes and interindividual pharmacokinetic differences. This study aims to compare the performance of multiple linear regression and complex machine learning algorithms in predicting steady-state trough concentrations of LEV in children with epilepsy, and evaluate the influence of i
СтатьяСравнительное исследованиеАннотация на английскомПоиск 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: Childhood pneumonia is a leading cause of hospitalization and death in children under 5 years globally. Its prognosis varies individually and is affected by multiple clinical indicators, while traditional assessment lacks quantitative risk stratification tools. Machine learning (ML) enables comprehensive analysis of high-dimensional clinical data, making it valuable for identifying key prognostic factors and building robust prediction models to optimize clinical decision-making.
METHODS: A total of 582 hospitalized children (1 month-5 years) with community-acquired pneumonia were
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: Machine learning models have shown great potential in preventive medicine but require large datasets, which is a challenge due to strict privacy regulations in the healthcare sector. Federated learning is an approach that enables collaboration between institutions while preserving data privacy. The focus today in research is highly on developing federated learning methods using artificial neural networks. In this study, we aimed to contribute federated learning modelling methods applied for random forests with an use-case of predicting delirium in hospitalised patients using data f
СтатьяВалидационное 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.
OBJECTIVE: To explore the application of machine learning algorithm in the prediction and evaluation of cesarean section, predicting the amount of blood transfusion during cesarean section and to analyze the risk factors of hypothermia during anesthesia recovery.
METHODS: (1)Through the hospital electronic medical record of medical system, a total of 600 parturients who underwent cesarean section in our hospital from June 2019 to December 2020 were included. The maternal age, admission time, diagnosis, and other case data were recorded. The routine method of cesarean section was intraspinal a
СтатьяОтозванная публикацияПоиск 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 advances for patients with acute leukemia health disparities limit access to diagnosis and treatment. Artificial Intelligence (AI) approaches may address some disparities. We retrospectively assemble a diverse, international cohort of 6206 leukemia patients from 20 centers to test an AI tool designed to support leukemia diagnosis using standard laboratory results. Executing the pretrained algorithm results in varying accuracy metrics. With confidence cutoff predictions, 2000-fold bootstrapped area under the curve (AUROC) metrics are 0.94 for acute myeloid leukemia (AML), 0.98 for the p
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: Accurately predicting ovarian response and determining the optimal starting dose of follicle-stimulating hormone (FSH) remain critical yet challenging for effective ovarian stimulation. Currently, there is a lack of a comprehensive model capable of simultaneously forecasting the number of oocytes retrieved (NOR) and assessing the risk of early-onset moderate-to-severe ovarian hyperstimulation syndrome (OHSS).
OBJECTIVE: This study aimed to establish an integrated mode capable of forecasting the NOR and assessing the risk of early-onset moderate-to-severe OHSS across varying starti
СтатьяВалидационное 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.
Predicting antibiotic treatment outcomes could help tackle antibiotic resistance by guiding prescribing decisions. Existing approaches do not quantitatively incorporate the judgment of clinician users. Our antibiotic decision-making algorithm predicted treatment outcomes for 13 antibiotics using clinical prediction models trained on prescribing and urine culture data from 93,906 patients, then weighted outcomes using treatment decisions made by 49 clinicians in an antibiotic choice ranking exercise. In a simulation using Emergency Department data, the algorithm chose more correctly-targeted Wo
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 addresses the limitations of traditional bankruptcy prediction models, which often struggle with nonlinear financial data due to their tendency to fall into local optima, low efficiency in parameter optimization, and insufficient prediction accuracy. To overcome these issues, we propose a novel bankruptcy prediction model, EEOOA-KELM, which integrates the Elite-Elimination Osprey Optimization Algorithm (EEOOA) with Kernel Extreme Learning Machine (KELM). First, the standard Osprey Optimization Algorithm is enhanced by incorporating three core mechanisms: an elite-guided Lévy mutatio
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.
In the context of global economic integration, corporate bankruptcy risk poses a significant threat to economic stability, making accurate bankruptcy prediction critically important. As a binary classification problem, traditional statistical approaches struggle to handle nonlinear features, resulting in limited predictive accuracy. While machine learning-based intelligent models have improved prediction performance, the effectiveness of Kernel Extreme Learning Machine (KELM) heavily depends on the selection of the penalty parameter (C) and kernel parameter (γ). However, conventional optimizat
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.
Hemoptysis is a severe and potentially life-threatening complication of bronchiectasis. There is currently a lack of reliable tools for the individualized prediction of hemoptysis risk in these patients. This study aimed to utilize a machine learning algorithm to develop and validate a nomogram for predicting the risk of hemoptysis in patients with bronchiectasis. This retrospective study enrolled 131 patients with bronchiectasis, who were randomly divided into a training set and an internal validation set in a 7:3 ratio. The Random Forest algorithm was employed, using mean decrease accuracy a
СтатьяВалидационное 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: Nursing students are at high risk for developing eating disorders (ED). However, methods for identifying ED tendencies within this group remain underexplored.
PURPOSE: This study aims to develop and validate machine learning-based models for predicting ED tendencies among nursing students.
METHODS: A cross-sectional study was conducted with a sample of nursing students in mainland China (N = 1709). Machine learning models were developed using a training set (N = 1196), and internally validated using a test set (N = 513). Model performance was evaluated based on widely used metric
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.
Multiple sclerosis (MS) is an inflammatory disease of the central nervous system (CNS) that impacts nearly 3 million people worldwide. While the etiology and pathogenesis of MS are not yet fully understood, current evidence suggests that it results from complex interactions between genetic and environmental conditions. Clarifying the autoimmune mechanisms underlying MS remains a central objective in the development of effective therapeutic strategies. Interferon-beta (IFN-β) is one of the most frequently prescribed disease-modifying treatments for individuals with MS. However, despite its esta
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.
To explore the value of applying the MRI-based radiomic nomogram for predicting lymph node metastasis (LNM) in rectal cancer (RC). This retrospective analysis used data from 430 patients with RC from two medical centers. The patients were categorized into the LNM negative (LNM-) and LNM positive (LNM+) according to their surgical pathology results. We developed a physician model by selecting clinical independent predictors through physician assessments. Additionally, we developed deep learning radscore (DLRS) models by extracting deep features from multiparametric MRI (mpMRI) images. A nomogra
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: Accurately diagnosing Anxiety-Depression Comorbidity Syndrome in Gastroenterology Inpatients (ADCS-GI) shows significant challenges as traditional diagnostic methods fail to meet expectations due to patient hesitance and non-psychiatric healthcare professionals' limitations. Therefore, the need for objective diagnostics highlights the potential of machine learning in identifying and treating ADCS-GI.
METHODS: A total of 1186 ADCS patients were recruited for this study. We conducted extensive studies for the dataset, including data quantification, equilibrium, and correlation analy
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: Parkinson's disease (PD) is a neurodegenerative disorder that affects both motor and cognitive functions, particularly working memory (WM). Machine learning offers an advantage for decoding complex brain activity patterns, but its application to task-based functional magnetic resonance imaging (task-based fMRI) has been limited. This study aimed to develop an explainable machine learning model to classify WM performance levels in PD based on task-based fMRI data.
METHODS: We enrolled 45 patients with PD and 15 healthy controls (HCs), all of whom performed an n-back WM task in an M
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: The purpose of this study was to use machine learning models to predict the risk of hyperlipidemia in people with HIV (PWH) for 6 months after starting HAART, to improve early intervention efforts and prevent further progression to cardiovascular and cerebrovascular diseases.
METHODS: This study enrolled HAART-naive individuals who visited the clinic at Beijing Ditan Hospital between January 2015 and January 2023. All clinical features were extracted from the electronic medical records. A classification prediction model was established based on various machine learning algorithms,
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: Identifying illicit drug use through urine testing is time-consuming in the era of new psychoactive substances. This study aimed to develop a machine learning (ML) prediction model for early identification of illicit drug use in suspected emergency department (ED) patients.
METHODS: Data from the Taiwan Emergency Department Drug Abuse Surveillance (TEDAS) database (2020-2023) was used. Six feature categories-demographics, triage data, referral source, symptoms, physical findings, and clinical characteristics-were included. The primary outcome was positive urine results for illicit
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.
This study proposes an advanced elevator fault precursor prediction method integrating Variational Mode Decomposition (VMD), Bidirectional Long Short-Term Memory (BILSTM), and an Autoencoder with an Attention Mechanism (AEAM), collectively referred to as the VMD-BILSTM-AEAM algorithm. This model addresses the challenges of feature redundancy and noise interference in elevator operation data, improving the stability and accuracy of fault predictions. Using a dataset of elevator operation parameters, including current, voltage, and running speed, the model utilizes the Attribute Correlation Dens
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 dramatic increase in carbon dioxide emissions is a major cause of global warming and climate change, posing a serious threat to human development and profoundly affecting the global ecosystem. Currently, carbon dioxide emissions prediction studies rely heavily on a large amount of data support, and the accuracy of predictions is greatly reduced when data are scarce. In addition, the inherent uncertainty, volatility, and complexity of CO2 emission data further exacerbate the challenge of accurate prediction. To address these issues, a novel hybrid model for CO2 emission prediction is propos
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