BACKGROUND: Postoperative acute kidney injury (AKI) significantly impacts patient recovery, increasing morbidity, mortality, and healthcare costs. This study aims to develop and validate a supervised learning model to predict the risk of AKI in patients undergoing surgical procedures, using data from the American College of Surgeons NSQIP (ACS NSQIP).
STUDY DESIGN: ACS NSQIP data were collected from 12 hospitals in the Tennessee Surgical Quality Collaborative from 2020 to 2023. The dataset was divided into a training set (2020 to 2022) and a temporal validation set (2023), with an external va
СтатьяВалидационное 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.
BACKGROUND: Hypertensive disorders of pregnancy (HDP) cause adverse maternal and fetal outcomes, and establishing an early prediction method for HDP is needed. Existing methods based on serum markers require blood sampling. Therefore, we aimed to develop and validate a noninvasive HDP prediction model based on home blood pressure monitoring.
METHODS: In a development cohort, home blood pressure monitoring data from 443 pregnant women including 65 HDPs were divided into training data (n=365) and test data (n=78) to develop a logistic regression-based prediction model. Normal blood pressure var
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.
Drinking-water fluorosis remains a major public health concern in China due to sustained reliance on high-fluoride groundwater in rural regions. Using the largest harmonized national dataset to date-138,180 site records and 38 environmental predictors spanning climatic, topographic, soil, hydrological, geological, and volcanic domains-artificial neural network (ANN), random forest (RF), and logistic regression (LR) models were developed and evaluated via spatial block 5-fold cross-validation to mitigate spatial autocorrelation and improve geographic generalization. All models demonstrated stro
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.
Standard durations of direct acting antivirals (DAAs; 8-12 weeks) can be a barrier to HCV treatment initiation and completion among marginalized populations. This study developed and internally validated a machine learning model to predict short-duration (4-6 weeks) DAA response using baseline clinical factors with potential to improve treatment uptake, cost-effectiveness and health system efficiency. Baseline data from several short-duration DAA clinical trials and treatment discontinuations from real-world cohort studies were used. Multiple machine learning models were evaluated. Nested cros
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 patients with small cell lung cancer (SCLC), nutritional status is a key determinant of disease progression, treatment tolerance, and prognosis. The prognostic nutritional index (PNI), reflecting both immune and nutritional conditions, is widely used to evaluate prognostic risk, but its longitudinal monitoring is often limited by incomplete clinical data in real-world settings. This study aimed to propose a decision-support framework for predicting future nutritional status and improving risk screening in SCLC patients with missing data. Using PNI values and related variables from the first
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: During the COVID-19 pandemic, there was a surge in pre-hospital emergency calls due to the increased prevalence of flu-like symptoms and panic related to the pandemic. However, some patients declined transportation to hospital due to their fear of accessing healthcare facilities. This posed a significant risk to their health outcomes. This study aimed to utilise an extensive dataset, which included the period of the COVID-19 pandemic, in a modern Middle Eastern Emergency Medical Service to comprehend and predict the behaviour of non-transport decisions, a major multi-variable facto
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: Postoperative respiratory failure following cardiac surgery (CS-PRF) remains a critical complication with substantial morbidity and mortality. Current risk prediction models are limited by static assessments and suboptimal accuracy. This study aimed to develop and validate a dynamic, machine learning–based model to enhance perioperative risk stratification for CS-PRF. METHODS: We retrospectively analyzed 1,016 adult patients who underwent cardiac surgery. Feature selection was conducted via the Least Absolute Shrinkage and Selection Operator (LASSO) and Boruta algorithms. Five mach
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: In 2017, Burgel and colleagues developed an algorithm to identify clinical phenotypes that predict mortality in COPD. Our study aimed to 1) investigate whether the phenotypes can predict acute exacerbations of COPD (AECOPD) and 2) validate their ability to predict mortality.
METHODS: The Tools Identifying Exacerbations (TIE) cohort study recruited participants with spirometry-verified COPD from primary and secondary care in three Swedish regions. Participants were allocated to phenotypes 1-5 using the previously developed algorithm containing comorbidities (heart failure, coronary
СтатьяПоддержка 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.
AIM: To explore the potential of utilising radiomics analysis and machine-learning models that incorporate intratumoural and peritumoural regions of interest (ROIs) for predicting brain metastasis (BM) in newly diagnosed lung cancer patients.
MATERIALS AND METHODS: The study comprised 183 lung cancer patients (training cohort: n=146; validation cohort: n=37) whose radiomics features were extracted from plain computed tomography (CT) images of the primary lesion. Four machine-learning algorithms (logistic regression [LR], support vector machine [SVM], k-nearest neighbour algorithm [KNN], and r
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: To investigate the preoperative factors influencing textbook outcomes (TO) in Intrahepatic cholangiocarcinoma (ICC) patients and evaluate the feasibility of an interpretable machine learning model for preoperative prediction of TO, we developed a machine learning model for preoperative prediction of TO and used the SHapley Additive exPlanations (SHAP) technique to illustrate the prediction process.
AIM: To analyze the factors influencing textbook outcomes before surgery and to establish interpretable machine learning models for preoperative prediction.
METHODS: A total of 376 pat
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: Only 1 conventional score is available for assessing bleeding risk in patients with cancer-associated thrombosis (CAT): the CAT-BLEED score.
OBJECTIVES: Our aim was to develop a machine learning-based risk assessment model for predicting bleeding in CAT and to evaluate its predictive performance in comparison to that of the CAT-BLEED score.
METHODS: We collected 488 attributes (clinical data, biochemistry, and International Classification of Diseases, 10th Revision, diagnosis) in 1080 unique patients with CAT. We compared CAT-BLEED score, Ridge and Lasso logistic regression, rand
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 CONTEXT: Timely intervention in growing individuals, such as brace treatment, relies on early detection of adolescent idiopathic scoliosis (AIS). To this end, several screening methods have been implemented. However, these methods have limitations in predicting the Cobb angle.
PURPOSE: This study aimed to evaluate the performance of a three-dimensional depth sensor imaging system with a deep learning algorithm, in predicting the Cobb angle in AIS.
STUDY DESIGN: Retrospective analysis of prospectively collected, consecutive, nonrandomized series of patients at five scoliosis center
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.
OBJECTIVES: Ending the HIV epidemic requires innovative use of data for intelligent decision-making from surveillance through treatment. This study sought to examine the usefulness of using linked integrated PLWH health data to predict PLWH's future HIV care status and compare the performance of machine-learning methods for predicting future HIV care status for SC PLWH.
DESIGN: We employed supervised machine learning for its ability to predict PLWH's future care status by synthesizing and learning from PLWH's existing health data. This method is appropriate for the nature of integrated PLWH d
СтатьяПоддержка NIH: внешняя программаПолный 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 investigates the relationship between vaginal radiation dose and radiation-induced vaginal injury in cervical cancer patients, with the aim of developing a risk prediction model to support personalized treatment strategies.
METHODS: A retrospective analysis was performed on the clinical data of 66 cervical cancer patients treated between December 2022 and December 2023. The Synthetic Minority Over-sampling Technique (SMOTE) was employed for data augmentation. Univariate and multivariate analyses were conducted to identify key factors influencing radiation-induced vaginal
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 develop an interpretable machine learning model for predicting hungry bone syndrome (HBS) risk following parathyroidectomy in secondary hyperparathyroidism (SHPT) patients.
METHODS: This retrospective study analyzed 181 SHPT patients who underwent parathyroidectomy at the Affiliated Hospital of Qingdao University (2015 - 2025). Participants were randomly divided into a training group (70%) and a validation group (30%). From 46 candidate variables, five key predictors were selected through logistic regression and Boruta algorithm. Seven machine learning models were trained, evalu
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: Quantitative Muscle MRI (qMRI) is a valuable and non-invasive tool to assess disease involvement and progression in neuromuscular disorders being able to detect even subtle changes in muscle pathology. The aim of this study is to evaluate the feasibility of using a conventional short-tau inversion recovery (STIR) sequence to predict fat fraction (FF) and water T2 (wT2) in skeletal muscle introducing a radiomic workflow with standardized feature extraction combined with machine learning algorithms.
METHODS: Twenty-five patients with facioscapulohumeral muscular dystrophy (FSHD) were 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.
This study aimed to develop a machine-learning algorithm to diagnose aldosterone-producing adenoma (APA) for predicting APA probabilities. A retrospective cross-sectional analysis of the Japan Rare/Intractable Adrenal Diseases Study dataset was performed using the nationwide PA registry in Japan comprised of 41 centers. Patients treated between January 2006 and December 2019 were included. Forty-six features at screening and 13 features at confirmatory test were used for model development to calculate APA probability. Seven machine-learning programs were combined to develop the ensemble-learni
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.
INTRODUCTION: The study aim was to predict the risk of climacteric syndrome (CS) developing in perimenopausal women with hypothyroidism (HT) according to the developed algorithm and mathematical model for timely preventive measures.
MATERIAL AND METHODS: 146 perimenopausal women with autoimmune HT were enrolled in this study. Assessment of the severity of metabolic, neurovegetative and psychoemotional symptoms was graded according to the Blatt-Kupperman menopause index. All women were interviewed according to a specially designed questionnaire for predicting the development of severe CS. Mult
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 study aimed at developing a deep-learning (DL)-based algorithm to predict the virtual soft tissue profile after mandibular advancement surgery, and to compare its accuracy with the mass tensor model (MTM). Subjects who underwent mandibular advancement surgery were enrolled and divided into a training group and a test group. The DL model was trained using 3D photographs and CBCT data based on surgically achieved mandibular displacements (training group). Soft tissue simulations generated by DL and MTM based on the actual surgical jaw movements (test group) were compared with soft-tissue pro
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.
Each year, approximately one in eight Canadians are affected by foodborne illness, either through outbreaks or sporadic illness, with animals being the major reservoir for the pathogens. Whole genome sequence analyses are now routinely implemented by public and animal health laboratories to define epidemiological disease clusters and to identify potential sources of infection. Similarly, a number of bioinformatics tools can be used to identify virulence and antimicrobial resistance (AMR) determinants in the genomes of pathogenic strains. Many important clinical and phenotypic characteristics o
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