BACKGROUND: Coronary artery calcium (CAC) scoring is included in major guidelines to guide statin decisions when conventional cardiovascular risk assessments are inconclusive. While computed tomography for CAC is impractical for routine use, electrocardiograms (ECGs) are widely available, offering broader opportunities for early detection. Extending our prior work demonstrating an ECG-based deep learning model for CAC prediction (ECG-CAC model), we aimed to develop a more robust model, while also comprehensively assessing its clinical utility. METHODS: Using nearly 200,000 standard 12-lead ECG
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.
We introduce AACFD (Adaptive Autocorrelation Function Detector), a lightweight, fully automatic pipeline for estimating window-averaged heart rate (HR) from a single-axis seismocardiogram (SCG) without ECG calibration or machine learning. AACFD combines two periodicity detectors-(i) a YIN-style difference-function analysis of an adaptive SCG envelope and (ii) a short-window autocorrelation branch-operating on 3 s segments. The two branches are fused by feature-aware weighting based on signal-quality indices and multi-scale features; and a Hampel filter plus temporal consistency checks remove 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.
Deep learning-based methods for drug target binding affinity (DTA) prediction are improving the efficien cy of drug screening, but some limitations persist in current methodologies. Notably, prevailing models predominantly rely on static structural data while neglecting the conformational dynamics of drug target complexes, which compromises their capacity to discern subtle conformation dependent affinity variations. To address this issue, we first constructed MD-PDBbind, an enhanced sampled molecular dynamics simulation (MD) dataset. Building upon this foundation, the MDDTA model incorporating
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: Hyperphosphatemia is a common complication in hemodialysis and serves as a key marker for evaluating dialysis adequacy. This study aimed to develop an interpretable machine learning (ML) model to predict the risk of hyperphosphatemia in patients undergoing maintenance hemodialysis.
METHODS: Data from 718 patients receiving maintenance hemodialysis across five hemodialysis centers in Chongqing between May and September 2025 were included. The dataset was split into training (70%) and testing (30%) sets. Univariate and multivariate analyses were used to identify predictors most stro
СтатьяМногоцентровое исследованиеПолный 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: Current liver cancer screening in Korea focuses on viral hepatitis or cirrhosis, despite rising risks from metabolic and alcohol-related liver disease. We aimed to develop a deep learning model that leverages routinely collected national screening and claims data to predict liver cancer risk without requiring additional diagnostic tests.
METHODS: We conducted a retrospective cohort study of 3,962,209 adults aged 50-69 years who participated in the Korean National Health Screening program between 2010 and 2015, with follow-up until December 31, 2021. A total of 12,401 liver cancer
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.
Smart foot wearables (SFWs) are emerging components of Internet of Medical Things (IoMT) ecosystems and wearable cyber-physical platforms. They support mobility assessment, rehabilitation monitoring, foot-health management, fall-risk assessment, sports biomechanics, navigation, and biometric authentication. Unlike stationary instrumentation, SFWs face coupled constraints in power, form factor, near-ground wireless connectivity, and long-term mechanical and thermal loading. This survey presents a cross-layer synthesis of SFW systems. The proposed taxonomy defines five primary classification axe
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: Knee osteoarthritis (KOA) is a leading cause of disability worldwide, and limited access to physiotherapy presents major barriers to evidence-based management. Mobile health (mHealth) applications can help address these challenges by supporting self-management, rehabilitation, and patient education. However, most existing applications lack robust evidence and demonstrate low adherence. Co-design approaches involving both patients and healthcare professionals may improve usability, engagement, and clinical integration. This study quantitatively examined user perspectives to inform t
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.
Radiation therapyis one of the primary treatment modalities for head and neck (H&N) cancer in clinical practice, aiming to deliver sufficient dose to Planning Target Volume (PTV) while protecting surrounding Organs at Risk (OAR) from or minimizing exposure to radiation. Quantitative dose prediction of various tissues and organs is a prerequisite for implementing intelligent precision radiotherapy. In order to improve dose prediction accuracy, we propose a generative adversarial network CPFTransGAN based on Cross Perception Fusion Transformer (CPF Transformer). Specifically, we design a CPF Tra
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: Over 50% of patients do not take their medications as prescribed or are non-adherent. Primary care providers are well positioned to address non-adherence. However, current methods for obtaining adherence are unreliable. RxFill integrates prescription medication fill status and dispense dates from community pharmacies into clinic electronic health records (EHRs). The goal of this study was to examine RxFill usability during a simulated case with primary care providers.
METHODS: The study took place at an academic health system that implemented RxFill in June 2022. Participants were
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.
Respiratory tract infections remain a significant global health challenge, with inhalation therapies playing a critical role in targeted drug delivery. This study investigates the application of Deep Reinforcement Learning (DRL) to determine the physical parameters of inhalers, aerosol particles, and their dissemination flow that maximise lung deposition for oral inhaled drug delivery. Results from this study suggest that DRL implemented with Proximal Policy Optimisation (PPO) works well for highly multivariate cases. In this study, the DRL performance in cases designed with the maximum number
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.
Accurate skin lesion segmentation is essential for the early detection and effective management of skin cancer. Existing deep learning architectures are constrained by a persistent computational-precision trade-off: models either require heavy computation that limits practical deployment, or accept reduced accuracy when running in resource-limited environments. Recent approaches reach strong performance by integrating advanced modules, but this also introduces complexity that restricts practical use. We address this limitation with the Cross-scale Attention Mamba Network (UCA-MNet), a hierarch
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: Cardiotocography is important for continuous intrapartum fetal surveillance, yet its clinical effectiveness is limited by high inter-observer variability and a false-positive burden of approximately 60%. These limitations contribute to unnecessary intervention while delaying recognition of fetal acidemia. For clinical use, decision-support systems must not only achieve high accuracy but also define their role in guiding escalation of care.
METHODS: We developed and evaluated CTG-FRAME (CardioTocoGraphy-Fetal Risk Assessment and Monitoring Engine), an end-to-end deep learning decis
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: Multiple myeloma (MM) is a hematopoietic system malignancy characterized by clonal proliferation of abnormal plasma cells, commonly presenting with renal impairment (RI) that significantly impacts patient's quality of life. The objective of this study was to develop a predictive model for assessing the risk of MM with RI.
METHODS: This retrospective study included 1029 patients with MM, who were categorized into two groups: MM without RI group and MM with RI group. Specifically, the modeling dataset (Cohort 1) consisted of 792 patients (401 without RI and 391 with RI), and the val
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: Chronic diseases are a major global health burden, particularly in low and middle-income countries like Ethiopia, where they significantly contribute to mortality. This underscores a critical need for effective prevention strategies. Smartphone medical applications (apps) present a promising tool for lifestyle management, promoting healthy behaviors and empowering patients. However, although numerous international studies have examined the intention to use mobile health (mHealth) applications, evidence from resource-limited settings such as Ethiopia remains scarce, particularly amo
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: A significant challenge in blood donation is the occurrence of adverse donor reactions (ADRs) and their subsequent negative impact on the blood supply and public health. A promising strategy to mitigate these events is the deployment of non-invasive, cost-effective artificial intelligence (AI) models for donor screening and monitoring. This study aims to systematically review the AI models utilized in the identification and prediction of ADRs.
METHODS: This study used a systematic review approach in line with the PRISMA 2020 guidelines. A search was performed across various databa
СтатьяСистематический обзорПоиск 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: Single sign-on (SSO), tap-on-tap-off (TOTO) and virtual desktops (VD) are increasingly being used in hospitals to reduce the burden and risks of password management, but we know little about how these systems are used in practice. We aimed to understand whether, and if so, how and why a TOTO and VD solution supported clinical work in an emergency department (ED).
METHODS: Qualitative descriptive design comprising interviews (n = 17) and work observations (~ 7 h) with doctors and nurses in an Australian ED. Data collection and analysis were informed by the unified theory of accepta
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: Pancreatic cancer requires nuanced, multidisciplinary treatment planning typically conducted within tumor boards. While Large Language Models (LLMs) have shown capabilities in medical reasoning, their ability to approximate complex, integrative decision-making in oncology remains underexplored.
METHODS: This study evaluated the performance of LLaMA 3.3 (70b) in predicting tumor board decisions for newly diagnosed pancreatic cancer patients. Clinical documentation (including free-text imaging reports, pathology findings, and patient history) from 42 first-diagnosis cases discussed
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 Visual Patient Avatar concept transforms conventional patient monitoring data into a dynamic, animated representation of the patient, enhancing situation awareness of vital signs and measurement status. Rapid recognition and response to cardiac pathologies are critical in anaesthesia and critical care. Visual Patient Heart (VPH) integrates cardiac data from the Philips "ST/AR algorithm", a feature in Philips patient monitors, into visual design elements inside the heart element of the Visual Patient Avatar, specifically aiming to improve situation awareness of arrhythmias and S
СтатьяМногоцентровое 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: Robust and reliable health information systems (HISs) are foundational to equitable health care delivery in resource-constrained settings. Yet, HISs often exhibit significant fragmentation and complexity, which stem from many factors, including inadequate infrastructure, limited and unevenly allocated financial resources, expertise gaps, and a lack of integrated systems. At the same time, advances in modern HISs and digital technologies, such as electronic medical records (EMRs), present opportunities for addressing these limitations and supporting evidence-based health systems if
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