It is well known benzene negatively impacts human health. This study is the first to predict spatial-temporal variations in benzene concentrations for the entirety of Taiwan by using a mixed spatial prediction model integrating multiple machine learning algorithms and predictor variables selected by Land-use Regression (LUR). Monthly benzene concentrations from 2003 to 2019 were utilized for model development, and monthly benzene concentration data from 2020, as well as mobile monitoring vehicle data from 2009 to 2019, served as external data for verifying model reliability. Benzene concentrat
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.
Polycystic ovary syndrome (PCOS) is the main cause of anovulatory infertility and affects women throughout their lives. The specific diagnostic method is still under investigation. In the present study, we aimed to identify the metabolic tracks of the follicular fluid and plasma samples from women with PCOS by performing Raman spectroscopy with principal component analysis and spectral classification models. Follicular fluid and plasma samples obtained from 50 healthy (non-PCOS) and 50 PCOS women were collected and measured by Raman spectroscopy. Multivariate statistical methods and different
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 AND OBJECTIVE: Cardiovascular diseases are an extremely widespread sickness and account for 17 million deaths in the world per annum. Coronary artery disease (CAD) is one of such diseases with an annual mortality rate of about 7 million. Thus, early diagnosis of CAD is of vital importance. Angiography is currently the modality of choice for the detection of CAD. However, its complications and costs have prompted researchers to seek alternative methods via machine learning algorithms.
METHODS: The present study proposes a novel machine learning algorithm. The proposed algorithm uses
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.
INTRODUCTION: Artificial Intelligence (AI) is increasingly being integrated into clinical practice to optimize diagnosis in neurocognition. By capturing distinct cognitive signatures, this approach may offer a more precise alternative to the traditional interpretation of the Montreal Cognitive Assessment (MoCA) which often relies on a fixed cutoff score (26/30). We aimed to evaluate whether machine learning models, by integrating detailed MoCA subtest scores, demographic variables, and cognitive chart-derived metrics, can improve the detection of cognitive impairment and classification of deme
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: Diabetic nephropathy (DN) and diabetic retinopathy (DR) are common microvascular complications of type 2 diabetes mellitus (T2DM) and may require different diagnostic and management pathways. This study aimed to develop and validate an interpretable machine learning model based on routine laboratory data to differentiate prevalent DN from prevalent DR among hospitalized patients with type 2 diabetes.
METHODS: Data were collected from a large tertiary hospital in China and split into a training/internal validation cohort (DN: 2,309 cases; DR: 855 cases) and an independent held-out
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.
Peripheral artery disease (PAD) remains underdiagnosed and undertreated and is associated with an increased risk for adverse cardiovascular outcomes. Imaging provides an approach to identifying patients with PAD. However, the role of integrating imaging with machine learning to identify PAD patients and potentially assess disease severity remains understudied. A total of 56 participants, including 36 PAD patients with intermittent claudication and 20 matched controls, underwent contrast-enhanced magnetic resonance imaging (CE-MRI) calf muscle perfusion scanning. CE-MRI-derived dynamic muscle p
СтатьяПоддержка NIH: внешняя программаПоддержка 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: Perineural invasion (PNI) of intrahepatic cholangiocarcinoma (ICC) is a strong independent risk factor for tumour recurrence and long-term patient survival. However, there is a lack of noninvasive tools for accurately predicting the PNI status. The authors develop and validate a combined model incorporating radiomics signature and clinicoradiological features based on machine learning for predicting PNI in ICC, and used the Shapley Additive explanation (SHAP) to visualize the prediction process for clinical application.
METHODS: This retrospective and prospective study included 24
СтатьяМногоцентровое исследованиеВалидационное 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: Trigger finger is a common disorder of the hand characterized by pain and locking of the digits during flexion or extension. In cases refractory to nonoperative management, surgical release of the A1 pulley can be performed. This study evaluates the ability of machine learning (ML) techniques to predict short-term complications following trigger digit release surgery.
METHODS: A retrospective study was conducted using data for trigger digit release from the American College of Surgeons National Surgical Quality Improvement Program (ACS-NSQIP) years 2005-2020. Outcomes of interest
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.
OBJECTIVE: This study aimed to develop and evaluate eight machine learning models based on multimodal ultrasound to precisely predict of diabetic tibial neuropathy (DTN) in patients. Additionally, the SHapley Additive exPlanations(SHAP)framework was introduced to quantify the importance of each feature variable, providing a precise and noninvasive assessment tool for DTN patients, optimizing clinical management strategies, and enhancing patient prognosis.
METHODS: A prospective analysis was conducted using multimodal ultrasound and clinical data from 255 suspected DTN patients who visited the
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: Severe acute pancreatitis (SAP) can be fatal if left unrecognized and untreated. The purpose was to develop a machine learning (ML) model for predicting the 30-day all-cause mortality risk in SAP patients and to explain the most important predictors.
METHODS: This research utilized six ML methods, including logistic regression (LR), k-nearest neighbors(KNN), support vector machines (SVM), naive Bayes (NB), random forests(RF), and extreme gradient boosting(XGBoost), to construct six predictive models for SAP. An extensive evaluation was conducted to determine the most effective mod
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: Accurate evaluation of axillary lymph node (ALN) is crucial for guiding staging and treatment strategies in breast cancer (BC) patients. This study aimed to develop an optimal machine learning model for predicting ALN status by utilizing both conventional radiomics and habitat analysis based on axillary B-mode ultrasound (BMUS) images, offering a powerful, non-invasive means to quantify and map ALN heterogeneity, providing deeper insights into biological behavior of ALN metastasis.
METHODS: This study retrospectively analyzed the preoperative BMUS images of ALNs in 297 patients wi
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 presence of pancreaticobiliary maljunction (PBM) in pediatric patients with congenital choledochal malformation significantly impacts clinical management and surgical decision-making. Current preoperative evaluation of PBM coexistence remains challenging in children, while intraoperative cholangiography does not consistently provide diagnostic-quality imaging. This study aims to develop machine learning-based algorithm models for detecting pancreaticobiliary maljunction (PBM) in children with congenital choledochal malformation.
METHODS: We conducted a retrospective study utili
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: Type B aortic dissection (TBAD) is a life-threatening cardiovascular emergency that requires timely recognition. This study aimed to develop and internally evaluate an explainable machine learning model for identifying existing TBAD using routinely available clinical history and admission laboratory data.
METHODS: This single-center retrospective case-control study included 1,640 participants, comprising 854 patients with CTA-confirmed TBAD and 786 hospitalized controls who underwent whole-aorta CTA and were confirmed not to have aortic dissection. Demographic characteristics, medica
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.
Coronary no-reflow (NR) after percutaneous coronary intervention (PCI) predicts adverse prognosis in patients with acute coronary syndrome (ACS). This study aimed to establish a machine learning-based risk prediction model for periprocedural NR in ACS patients undergoing PCI. We conducted a single-center, prospective, observational cohort study enrolling consecutive ACS patients undergoing PCI between January 2023 and March 2024. Patients were allocated to a training set (n = 692) and a test set (n = 297) based on admission order. Key predictive features were screened using Lasso regression an
СтатьяНаблюдательное 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.
PURPOSE: This study aimed to develop and validate an interpretable machine learning (ML) model to predict 28-day all-cause mortality in critically ill patients undergoing continuous renal replacement therapy (CRRT), facilitating early risk stratification and clinical decision-making.
PATIENTS AND METHODS: Data from 1362 CRRT patients were analyzed, including 1224 from the Medical Information Mart for Intensive Care IV database (training cohort) and 138 from a Chinese hospital (external validation cohort). Feature selection was performed using least absolute shrinkage and selection operator, s
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.
OBJECTIVE: To analyze the risk factors of in-hospital death in patients with sepsis in the intensive care unit (ICU) based on machine learning, and to construct a predictive model, and to explore the predictive value of the predictive model.
METHODS: The clinical data of patients with sepsis who were hospitalized in the ICU of the Affiliated Hospital of Jining Medical University from April 2015 to April 2021 were retrospectively analyzed,including demographic information, vital signs, complications, laboratory examination indicators, diagnosis, treatment, etc. Patients were divided into death
Аннотация на английскомСтатьяПоиск 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: Diabetic foot ulcer (DFU) is a common and serious complication in patients with diabetes, which affects the quality of life greatly as well as brings high risk for mortality. Identification of high-risk individuals, as early as possible is important for efficient intervention and prevention. This study systematically evaluates and summarizes the diagnostic accuracy of machine learning approaches for predicting DFU risk in diabetic patients.
METHODS: This study adhered to the TRIPOD+AI (Transparent Reporting of a Multivariable Prediction Model for Individual Prognosis or Diagnosis,
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.
BACKGROUND: Delayed extubation after general anesthesia increases complications and can lead to longer hospital stays and higher mortality. Current risk assessments often rely on subjective judgment or simple tools, whereas machine learning offers potential for real-time evaluation, though research is limited and typically uses single-algorithm models.
OBJECTIVE: The aims of this study were to identify risk factors for delayed extubation after general anesthesia in the sample and to construct a risk prediction model for delayed extubation in this population.
METHODS: Data from 4779 patients
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.
OBJECTIVE: To develop and validate a machine learning-driven predictive model for intrapartum fever in parturients receiving neuraxial labor analgesia, integrating comprehensive clinical and hematological markers.
METHODS: Among 15,760 parturients (2022-2024), 11,032 (70%) were allocated to the training cohort (834 [7.6%] febrile cases) and 4728 (30%) to the testing cohort (364 [7.7%] febrile cases). A three-stage variable screening process was applied, including Pearson correlation analysis (|r| > 0.15), LASSO regression with 10-fold cross-validation, and SHAP value analysis (top 75% importa
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.
PURPOSE: Pulmonary complications, including pneumonia and respiratory failure, continue to be major contributors to morbidity and mortality in patients with chest trauma. Although several artificial intelligence (AI) models have been developed to predict trauma mortality, there remains a lack of AI-based prediction models specifically targeting pulmonary complications in chest trauma. To address this gap, we developed and validated an explainable AI model for predicting pulmonary complications.
METHODS: This retrospective analysis included 1,040 patients with blunt chest trauma who were treat
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