INTRODUCTION: Ischaemic heart disease (IHD) remains a major cause of mortality among individuals with type 2 diabetes mellitus (T2DM) in Malaysia. Conventional cardiovascular risk models, such as the Framingham risk score, often show limited calibration in Asian populations. Artificial intelligence (Al)-calibrated models have emerged as potential alternatives, yet their generalisability and clinical utility across different populations remain uncertain. This narrative review aimed to summarise existing prognostic models for IHD in patients with T2DM and identify methodological gaps relevant to
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.
OBJECTIVE: Osseous metastasis (OM) is the second most common site of thyroid cancer distant metastasis and presents a poor prognosis. Accurate prognostic estimation for OM has clinical significance. Ascertain the risk factors for survival and develop an effective model to predict the 3-year, 5-year overall survival (OS) and cancer-specific survival (CSS) for thyroid cancer patients with OM.
METHODS: We retrieved the information of patients with OMs between 2010 and 2016 from the Surveillance, Epidemiology, and End Result Program. The Chi-square test, and univariate and multivariate Cox regres
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: Neural activation induced by upper extremity robot-assisted training (UE-RAT) helps characterize adaptive changes in the brains of poststroke patients, revealing differences in recovery potential among patients. However, it remains unclear whether these task-related neural activities can effectively predict rehabilitation outcomes. In this study, we utilized functional near-infrared spectroscopy (fNIRS) to measure participants' neural activity profiles during resting and UE-RAT tasks and developed models via machine learning to verify whether task-related functional brain responses
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.
BACKGROUND: Forecasting post-stroke rehabilitation outcome is essential to personalize therapeutic strategies. Traditional approaches rely on clinical assessment scales, which, while essential, may benefit from complementary objective measures. In this direction, robot-assisted assessment offers the unprecedented possibility of precisely collecting patients’ physiological signals, enabling a data-driven approach to recovery assessments. Leveraging the use of multimodal features collected during assessment sessions performed before and after one month of robotic rehabilitation, we developed a 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: To build a time-series machine learning (ML) model that improves bronchopulmonary dysplasia (BPD) prediction compared with published online calculators.
STUDY DESIGN: We used a single-center, extremely low gestational age newborn cohort (inborn, birth year 2016-2021, n = 438). The primary outcome was a 5-level class outcome for BPD as defined by the Neonatal Research Network (NRN) in 2019. Flowsheet data were extracted from the electronic medical record. Time-series data were generated from birth onward, with 14 static and 35 dynamic input attributes. Iterative static (regression)
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: Through the integration of machine-learning approaches, we aim to assess the effect of ANA positivity and a triple-positive serological profile (RF + /ACPA + /ANA +) on disease activity and achieving sustained remission in a Colombian cohort of rheumatoid arthritis (RA) patients.
METHOD: This retrospective cohort study included adult RA patients and used clinical and serological data collected from an outpatient follow-up program. Machine learning models, including Support Vector Machines, Random Forest, Extreme Gradient Boosting (XGBoost), Adaptive Boosting (AdaBoost), and K-Near
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: Traditional short message service (SMS) recruitment, an essential method for recruiting blood donors, constitutes a highly imbalanced classification problem and still requires improvement in terms of efficiency and cost-effectiveness. METHODS: Using 513,523 donations and 11,616 SMS data from Nanjing, China, several machine learning models—including eXtreme Gradient Boosting (XGBoost), Support Vector Machine (SVM), K-Nearest Neighbors (KNN), Logistic Regression (LR), Decision Tree (DT), Random Forest (RF), and Multi-Layer Perceptron (MLP)—were initially trained, followed by an incre
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 cardiac surgery-associated acute kidney injury (CSA-AKI) occurs in up to 1 out of 3 patients. Off-pump coronary artery bypass grafting (OPCABG) is one of the major cardiac surgeries leading to CSA-AKI. Early identification and timely intervention are of clinical significance for CSA-AKI. In this study, we aimed to establish a prediction model of off-pump coronary artery bypass grafting-associated acute kidney injury (OPCABG-AKI) after surgery based on machine learning methods.
METHODS: The preoperative and intraoperative data of 1,041 patients who underwent OPCABG in Chest Hos
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.
Laryngeal cancer exhibits a notable global health burden, with later-stage detection contributing to a low mortality rate. Laryngeal cancer diagnosis on throat region images is a pivotal application of computer vision (CV) and medical image diagnoses in the medical sector. It includes detecting and analysing abnormal or cancerous tissue from the larynx, an integral part of the vocal and respiratory systems. The computer-aided system makes use of artificial intelligence (AI) through deep learning (DL) and machine learning (ML) models, including convolution neural networks (CNN), for automated d
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.
Assessment of the upper limb is critical to guiding the rehabilitation cycle. Drawbacks of observation-based assessment include subjectivity and coarse resolution of ordinal scales. Kinematic assessment gives rise to objective quantitative metrics, but uptake is encumbered by costly and impractical setups. Our objective was to investigate feasibility and accuracy of computer vision (CV) for acquiring kinematic metrics of the drinking task, which are recommended in stroke rehabilitation research. We implemented CV for upper limb kinematic assessment using modest cameras and an open-source machi
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: This study aims to develop and validate predictive models to assess mortality risk among patients undergoing intra-aortic balloon pump (IABP) therapy in the intensive care unit (ICU).
METHOD: A retrospective analysis was performed on 764 critically ill patients who received IABP therapy, using data from the MIMIC-IV (Medical Information Mart for Intensive Care IV) database. The data set was chronologically split into training and temporal external validation cohorts. Variable selection was performed using LASSO (least absolute shrinkage and selection operator) regression, and six
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: Osteoporosis and bone loss (OP&BL) are major public health challenges, especially in high-altitude environments with chronic hypoxia. Current diagnostic methods, based on low-altitude populations, are impractical for large-scale screening in resource-limited, high-altitude settings. This study developed a machine learning-based predictive model for OP&BL by integrating oral microbiota data with clinical and questionnaire variables. METHODS: We analyzed data from 560 Tibetan adults residing at high altitudes. Bone health status (OP&BL vs. normal) was determined by dual-energy X-ray
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: Preoperative planning of the surgical approach for cervical spondylotic myelopathy (CSM) is central to precision medicine. This study used supervised machine learning (SML) to build a predictive model for surgical approach selection in CSM and applied unsupervised machine learning (UML) to explore clinical heterogeneity.
METHODS: In this retrospective study, a development cohort of 884 surgically treated patients with CSM was used for model development after exclusion of patients with incomplete perioperative data. Variables showing significant between-group differences were enter
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 time after hospital discharge carries high rates of mortality in neonates and young children in sub-Saharan Africa. Previous work using logistic regression to develop risk assessment tools to identify those at risk for postdischarge mortality has yielded fair discriminatory value. Our objective was to determine if machine learning models would have greater discriminatory value to identify neonates and young children at risk for postdischarge mortality.
METHODS: We conducted a planned secondary analysis of a prospective observational cohort at Muhimbili National Hospital in Dar
СтатьяНаблюдательное 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: Lumbar prolapsed disc (LPD) is a leading cause of low back pain, contributing significantly to global disability and healthcare burden. This study aimed to develop machine learning models to predict the risk of LPD by analysing gene expression profiles for early detection.
METHODS: Transcriptomic data from peripheral blood samples were obtained from the Gene Expression Omnibus (GEO) database, with dataset GSE150408 used for training and GSE124272 for testing. The training dataset included 17 patients with sciatica resulting from LPD, all of whom had magnetic resonance imaging co
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: Acute kidney injury (AKI), with an increase in serum creatinine, is a common adverse drug event. Although various clinical studies have investigated whether a combination of two nephrotoxic drugs has an increased risk of AKI using traditional statistical models such as multivariable logistic regression (MLR), the evaluation metrics have not been evaluated despite the fact that traditional statistical models may over-fit the data. The aim of the present study was to detect drug-drug interactions with an increased risk of AKI by interpreting machine-learning models to avoid overfitti
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.
Machine learning methods are a novel way to predict and rank donors' willingness to donate blood and to achieve precision recruitment, which can improve the recruitment efficiency and meet the challenge of blood shortage. We collected information about experienced blood donors via short message service (SMS) recruitment and developed 7 machine learning-based recruitment models using PyCharm-Python Environment and 13 features which were described as a method for ranking and predicting donors' intentions to donate blood with a floating number between 0 and 1. Performance of the prediction models
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.
BACKGROUND: While research on robotic rehabilitation has largely focused on evaluating device effectiveness, there remains a clear need to investigate patient characteristics that predict response to robot-assisted therapy. Recent advancements in machine learning (ML) techniques support such investigations by enabling the development of data-driven tools to assist in selecting appropriate rehabilitation treatments. This study aimed to develop two ML models, predicting two motor outcomes each, following either robot-assisted or conventional upper limb rehabilitation in post-stroke patients. It
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 objective of this study was to propose a novel strategy for detecting upper-limb motion intentions from mechanical sensor signals using deep and heterogeneous transfer learning techniques. Three sensor types, surface electromyography (sEMG), force-sensitive resistors (FSRs), and inertial measurement units (IMUs), were combined to capture biometric signals during arm-up, hold, and arm-down movements. To distinguish motion intentions, deep learning models were constructed using the CIFAR-ResNet18 and CIFAR-MobileNetV2 architectures. The input features of the source models were sEMG, FSR, and
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.
BACKGROUND: The incidence of stroke and stroke-related hemiparesis has been steadily increasing and is projected to become a serious social, financial, and physical burden on the aging population. Limited access to outpatient rehabilitation for these stroke survivors further deepens the healthcare issue and estranges the stroke patient demographic in rural areas. However, new advances in motion detection deep learning enable the use of handheld smartphone cameras for body tracking, offering unparalleled levels of accessibility.
METHODS: In this study we want to develop an automated method for
Наблюдательное исследованиеСтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПоддержка 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.
MedElevator
Войти в исследования