PURPOSE: BACKGROUND: Sepsis is a leading cause of mortality in intensive care units (ICUs), and its rapid progression poses significant challenges for early detection. Traditional scoring systems, such as SOFA and APACHE II, provide clinical benchmarks but often fail to capture subtle early signs of deterioration. Machine learning (ML) and deep learning (DL) models have demonstrated strong predictive performance; however, their “black-box” nature limits transparency, clinician trust, and adoption in real-world ICU settings. Explainable artificial intelligence (XAI) clarifies how predictions ar
Систематический обзорСтатьяПоиск 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: Sepsis-Induced coagulopathy (SIC) is not only a common complication in the development process of sepsis but also related to poor prognosis of sepsis. We aimed to establish a machine learning (ML) model to predict the 28-day mortality risk of patients with SIC.
METHODS: We collected data for model training from the Medical Information Mart for Intensive Care IV Database version 2.2 to establish the model. We extracted patient data from the First Affiliated Hospital of Wenzhou Medical University for the model's external validation. We used Least Absolute Shrinkage and Selection Ope
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.
Identifying the onset of the QRS complex is an important step for localizing the site of origin (SOO) of premature ventricular complexes (PVCs) and the exit site of Ventricular Tachycardia (VT). However, identifying the QRS onset is challenging due to signal noise, baseline wander, motion artifact, and muscle artifact. Furthermore, in VT, QRS onset detection is especially difficult due to the overlap with repolarization from the prior beat. In this study, 7706 captured bipolar pacing beats (Stim-QRS < 40 ms) pooled from 384 anatomically widely dispersed pacing sites of 15 patients were used fo
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: Peripherally inserted central catheter-related bloodstream infections (PICC-CRBSIs) are significant causes of morbidity and mortality in critically ill patients. Therefore, improved risk stratification is required for targeted prevention. This study aimed to identify key predictors and novel patient phenotypes of PICC-CRBSI using explainable machine learning. METHODS: We conducted a retrospective cohort study using data from the MIMIC-IV Critical Care database. Patients undergoing PICC insertion were categorized into PICC-CRBSI (n = 237) and control (n = 8,052) groups. A machine le
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: Anterior Cruciate Ligament (ACL) ruptures affect over 20,000 individuals in the UK each year. To date, three randomised controlled trials have compared the two main treatment options of surgical and non-surgical management following rupture and report conflicting findings. Recent qualitative research has also reported uncertainty and confusion among patients regarding decision-making about their choice of treatment. A theory- and evidence-based shared decision-making intervention was co-developed in a prior study to support patients to decide on treatment. The aim of this study was
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) is a common and serious complication among hospitalized patients, and early risk stratification remains challenging due to heterogeneous clinical data and limited interpretability of existing prediction models. Foundation models designed for tabular data may enable accurate prediction while preserving interpretability, but their application in early AKI risk assessment has not been fully explored.
OBJECTIVE: To develop and externally validate an interpretable early prediction model for AKI using the Tabular Prior-data Fitted Network (TabPFN) based on rout
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: This study aims to evaluate the accuracy of an automated algorithm designed to identify catheter-associated urinary tract infections (CAUTIs) using electronic health records from a hospital. We assess the algorithm's effectiveness as a clinical decision support tool by analyzing its ability to accurately identify CAUTIs based on predefined clinical parameters.
MATERIALS AND METHODS: We conducted a retrospective analysis of all patients hospitalized in the acute internal medicine wards of the Cantonal Hospital of Baden between November 2022 and October 2024. Automated algorithm iden
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.
Super-resolution reconstruction (SRR) of isotropic fetal brain MR images is critical for prenatal examinations but is hindered by fetal motion and misalignment of thick-slice scans. To address these challenges comprehensively, we introduce an innovative deep learning model, namely 3D-WISE, a 3D Weighted Interpolation for Super-resolution Estimation of fetal brain MRI. The model generates high-quality isotropic fetal brain MR images by learning the interpolation weights to correct misalignments between slices and volumes. These misalignments are estimated by extracting deep features from multip
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: Bowel necrosis is a life-threatening condition requiring urgent surgical intervention. Early identification remains challenging due to nonspecific clinical presentations. This study aimed to develop and validate machine learning models for predicting bowel necrosis in adult patients.
METHODS: We conducted a multicenter retrospective cohort study including adult patients (≥ 18 years) presenting with acute abdominal pain between January 2021 and December 2023. Data were collected from electronic health records including demographics, clinical symptoms, laboratory parameters, and ima
СтатьяМногоцентровое 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.
BACKGROUND: Multimorbidity, defined as the coexistence of two or more chronic conditions, challenges traditional, single-disease health care models. Although digital health technologies are increasingly applied to complex patient care, most interventions remain disease-specific and fail to account for interactions between coexisting conditions.
OBJECTIVE: This scoping review aimed to systematically map and synthesize existing evidence on digital health interventions that explicitly address multimorbidity, focusing on how these solutions integrate disease interdependencies between coexisting d
СтатьяОбзорПоиск 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 TyG index has been associated with mortality. However, its predictive value for death in critically ill septic patients remains unclear. Thus, this study aims to investigate the role of the TyG index in predicting mortality among critically ill septic patients. METHODS: The data source was MIMIC- IV 3.0 and Zibo Central Hospital. After the inclusion exclusion process, 6445 patients with sepsis from the intensive care unit remained. The outcome variables were death in hospital death and death within one year of discharge. For two outcomes, four machine learning algorithms were e
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: Phenylketonuria (PKU) is the most common inborn error of amino acid metabolism, and if untreated, leads to severe neurocognitive impairment. Over the past 2 decades, treatment strategies have evolved from strict dietary phenylalanine restriction to include pharmacological therapies such as tetrahydrobiopterin and, more recently, enzyme substitution with pegvaliase. Despite these advances, significant heterogeneity exists in global research priorities, collaboration patterns, and the translation of emerging therapies into clinical practice. A systematic overview of the field's devel
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.
With the increasing availability of large-scale traditional Chinese medicine (TCM) data, accurate prediction of herb-symptom associations (HSAs) has become a crucial task in natural drug discovery. Existing computational approaches mainly employ graph neural networks (GNNs) to model herb-symptom relationships in biological information networks. However, these methods are limited to low-order pairwise associations, failing to capture herbs' high-order effects and providing limited interpretability. To address these challenges, we model HSAs as a hierarchical hypergraph, where ingredients and ta
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.
Molecular property prediction is a critical task in accelerating drug discovery. While deep learning has shown promise, prevailing single-modal methods struggle to integrate multi-source (e.g., atomic graph and molecular fingerprints), heterogeneous chemical knowledge, thereby failing to holistically represent molecular structures and capture the high-order synergistic interactions governing their functions. To address these challenges, we present HyperMolFusion, a hypergraph-enhanced multi-modal fusion model for molecular property prediction. Compared with traditional graphs limited to pairwi
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: Hypertension is a major cause of premature death and a modifiable risk factor for cardiovascular disease. Effective management includes both pharmacological treatment strategies, including antihypertensive medications, and non-pharmacological treatment strategies, such as lifestyle changes. Shared decision making (SDM) between patients and healthcare professionals is essential to determine the most appropriate treatment for hypertension. Patient decision aids (PDAs) facilitate SDM by providing information on treatment options and helping patients to clarify their values and prefere
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.
The videofluoroscopic swallowing study (VFSS) is the clinical gold standard for evaluating dysphagia and detecting airway invasion. However, manual interpretation is time-consuming, subjective, and prone to rater variability due to the rapid and complex nature of swallowing events. Existing deep learning approaches for airway invasion are limited by relying on manual frame selection, a lack of interpretability, and black-box decision-making. In this study, we propose SPARNet (Swallowing Phase Airway Risk Network), AI pipeline integrates swallowing-phase classification, bolus and airway delinea
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: The pathological heterogeneity of sepsis makes it challenging for traditional scoring systems to balance early-warning sensitivity, dynamic progression characterization, and mechanistic interpretability. Developing a multi-objective optimization algorithm incorporating rheological properties to screen novel composite parameters from routine indicators, thereby constructing a precise sepsis assessment tool with both clinical feasibility and pathological interpretability, offers a new approach to inform clinical decisions and prognosis prediction for sepsis patients. This retrospecti
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.
Sepsis is a high-burden, highly heterogeneous clinical challenge that affects up to 30% of ICU patients. Reliable early prediction is essential for timely intervention and improved outcomes. We aimed to develop and validate a machine-learning model for predicting sepsis onset beyond the first 24 h of ICU admission. Data from septic patients were extracted from the Medical Information Mart for Intensive Care III (MIMIC-III) database. Feature selection was performed with the Boruta algorithm. Nine algorithms-XGBoost-DART, Gaussian Naïve Bayes, LightGBM-DART, Random Forest, AdaBoost, Multi-Layer
СтатьяСравнительное 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: Sleep disorders and anxiety-depression symptoms can significantly impair the quality of life and treatment adherence among breast cancer patients undergoing chemotherapy, while also increasing the risk of disease recurrence and mortality. Early identification of the progression trajectory and underlying causes of these symptoms is essential for providing personalized interventions for deteriorating cases.
OBJECTIVE: This study aims to analyze the trajectories of sleep disorders and anxiety-depression symptoms in breast cancer patients during chemotherapy using a group-based Multi-
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: Gastrostomy tube placement is the preferred modality for long-term nutritional management in individuals with oral feeding disorders. However, acceptance of this intervention is often impeded by reluctance to discontinue oral feeding, concerns about increased caregiver burden, and apprehension regarding life prolongation with diminished quality of life. These factors may generate decisional conflict, negatively affecting patients' physical and psychological well-being and treatment outcomes. In this study, we aimed to explore the facilitators and barriers influencing gastrostomy-re
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.
MedElevator
Войти в исследования