Cardiovascular disease (CVD) is a prevalent global health issue and one of the leading causes of death. Aging and air pollution are well-established risk factors for CVD. This study aims to investigate the association between air pollutants (sulfur dioxide, carbon monoxide, PM1, PM2.5, nitrogen dioxide, ozone) and the risk of heart disease. Utilizing data from the China Health and Retirement Longitudinal Study (CHARLS) and the China High Air Pollutants (CHAP) database, we employed multivariable-adjusted logistic regression to analyze the relationship between pollutants and heart disease. Addit
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.
This work aimed to study the application of pelvic floor dynamic images of magnetic resonance imaging (MRI) based on the particle swarm optimization (PSO) algorithm in female stress urinary incontinence (SUI). 20 SUI female patients were selected as experimental group, and another 20 healthy females were taken as controls. PSO algorithm, K-nearest neighbor (KNN) algorithm, and back propagation neural network (BPNN) algorithm were adopted to construct the evaluation models for comparative analysis, which were then applied to 40 cases of female pelvic floor dynamic MRI images. It was found that
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.
Accurate estimation of fetal growth indicators such as birth weight, birth length, and gestational age at birth is essential for monitoring pregnancy outcomes and guiding clinical decisions. Traditional predictive models typically rely on ultrasound-based fetometric data to estimate fetal weight or length. While valuable, these models provide estimates only at the time of measurement, rather than predicting values at birth, and may overlook important clinical and sociodemographic factors that also influence fetal growth. This study aimed to evaluate whether incorporating echographic, clinical,
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: Severe Fever with Thrombocytopenia Syndrome (SFTS) is a severe tick-borne viral infection with high mortality, making the timely prediction of clinical deterioration critical. Current predictive models lack timeliness and generalizability. Therefore, this study aimed to develop and validate an interpretable machine learning model for the early prediction of deterioration in SFTS patients.
METHODS: We retrospectively analyzed 560 SFTS patients from two hospitals. Using clinical and laboratory data from a training set (n = 407), we developed eight ML models. An independent test set
СтатьяВалидационное 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: Diabetic foot (DF) is a severe complication of type 2 diabetes mellitus (T2DM), contributing to significant morbidity and healthcare costs globally. Early prediction and intervention are critical for preventing amputations and improving patient outcomes. However, traditional statistical methods lack the capacity to handle high-dimensional clinical data and identify optimal predictive features. This study aimed to develop and validate machine learning models for DF risk prediction using feature selection strategies based on binary logistic regression and information theory.
METHODS
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.
Depressive symptoms frequently co-occur with hearing impairment in older adults, yet available prediction tools for this high-risk subgroup remain limited in practicality and applicability. We developed and internally validated prediction models for clinically relevant depressive symptoms among older adults with hearing impairment. We analyzed cross-sectional data from 5 National Health and Nutrition Examination Survey cycles (2005-2006, 2009-2010, 2011-2012, 2015-2016, and 2017-2018). Adults aged ≥60 years with hearing impairment were identified using the 2021 World Health Organization criter
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.
OBJECTIVE: This study aimed to clarify the incidence and influencing factors of delirium in ICU patients after brain tumor surgery, construct and validate delirium risk prediction models using multiple machine learning algorithms, identify the optimal model, and develop a personalized risk calculation tool to provide evidence-based support for early precise identification of high-risk patients and targeted preventive interventions.
METHODS: Consecutive convenient sampling was adopted. A total of 600 patients who underwent brain tumor surgery in a Grade A tertiary hospital in Nanchang (July 20
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.
Patients with chronic cough need to undergo a wide range of tests and rely on empirical medication to determine the underlying cause. Corticosteroid-responsive cough (CRC) accounts for the majority of the causes of chronic cough, and the diagnostic process is relatively complicated. To develop a predictive model for diagnosis of CRC, which is based on readily available clinical information. A retrospective dataset of 304 cases was used for training, and a prospective dataset of 131 cases was used for temporal single-center validation. Candidate predictors were screened via univariate analysis
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: With the aging of the global population, preventing the onset of mobility limitations is considered a worldwide public health priority.
OBJECTIVE: This study aimed to develop a predictive model for incident early mobility limitations (EMLs) in late middle-aged and older adults, based on a simple functional test and modifiable lifestyle factors to facilitate a home-based self-assessment of early mobility decline and promote lifestyle intervention strategies.
METHODS: Our study population was community dwellers aged 45 years and above who participated in the second and fourth waves
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 AND AIM: Idiopathic nephrotic syndrome (INS) is a glomerular disorder characterized by proteinuria, hypoalbuminemia, and edema, and relapse remains a major clinical challenge. Early prediction of relapse risk may facilitate individualized treatment and follow-up. This study aimed to develop and compare the performance of logistic regression, random forest, and deep learning models for predicting relapse in adult patients with INS using baseline clinical and laboratory data.
METHODS: We conducted a retrospective cohort study of 562 adult patients with idiopathic nephrotic syndrome 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.
INTRODUCTION: HIV infection is frequently transmitted within stable couple partnerships. In order to prevent HIV acquisition in HIV-negative couples, as well as improve coping in couples with an HIV-positive diagnosis, it has been suggested that interventions be aimed at strengthening couple relationships, in addition to addressing individual behaviours. However, little is known about factors that influence relationships to impact joint decision-making related to HIV.
METHODS: We conducted qualitative in-depth interviews with 40 pregnant women and 40 male partners in southwestern Kenya, an ar
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.
Forecasting infectious disease outbreaks is hard. Forecasting emerging infectious diseases with limited historical data is even harder. In this paper, we investigate ways to improve emerging infectious disease forecasting when little pathogen-specific training data are available. Specifically, we explore two sources of information that may be available near the start of an emerging disease outbreak: synthetic data and genetic information. For this investigation, we conducted an experiment where we trained deep learning models on different combinations of real and synthetic data, both with and
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.
ObjectiveTo develop and validate machine learning models for early prediction of sepsis-induced coagulation dysfunction (SIC) risk at intensive care unit (ICU) admission, before diagnostic criteria are fully met.MethodsThis retrospective cohort study enrolled 197 septic ICU patients. The cohort was randomly split into training (n=159, 80.7%) and internal validation sets (n=38, 19.3%). An independent external cohort of 91patients served for validation. Feature screening used least absolute shrinkage and selection operator (LASSO) followed by multivariate logistic regression (P<0.05). Four model
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.
The emergence of bacterial resistance to antibiotics poses a significant threat to human health; thus, there is an urgent need for new strategies in understanding the mechanisms of resistance and further fast prediction of it. Deep learning models offer promising solutions through analyzing genetic sequences in the prediction of bacterial resistance patterns. This study develops and validates a transformer-based deep learning model, DNABERT-2-117M, to predict gentamicin resistance in Klebsiella pneumoniae directly from whole-genome sequences. Our central methodological advance investigates the
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.
Leprosy remains a neglected tropical disease with active transmission. Predictive models improve understanding of epidemiological trends and support control strategies in endemic contexts. This study analyzed leprosy in Brazil between 2001 and 2024, projecting scenarios through 2034. Data were obtained from the National System of Notifiable Diseases, and population estimates were from the Brazilian Institute of Geography and Statistics. Temporal trends were assessed using segmented regression, and projections were generated with statistical methods and machine learning algorithms. Independent
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.
RESEARCH QUESTION: Can a machine learning model integrating time-lapse morphokinetic meta-variables with clinical data predict embryo aneuploidy accurately for improved non-invasive embryo selection?
DESIGN: A retrospective multicentre cohort study using time-lapse data from 1190 blastocysts from nine Spanish fertility clinics (2017-2024), with 70% (n = 833) and 30% (n = 357) used for model training/testing and external validation, respectively. The primary dataset included well-defined outcomes (live birth or aneuploidy diagnosis via preimplantation genetic testing). The LIFE Predict v1.1 mo
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: Lymph node metastasis (LNM) is a prevalent feature in papillary thyroid carcinoma (PTC) that significantly influences surgical management and prognosis. Accurate identification of LNM risk is essential for optimizing adjuvant therapy and long-term surveillance strategies in clinical practice.
METHODS: This retrospective study analyzed 232 patients who underwent thyroidectomy. We employed LASSO regression to select six predictive features from a comprehensive covariate panel. Subsequently, seven machine learning algorithms were trained and evaluated via grid search and 5-fold cross
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: Metabolic dysfunction-associated steatotic liver disease (MASLD), or non-alcoholic fatty liver disease (NAFLD), is a common disease that is diagnosed through manual evaluation of liver biopsies, an assessment that is subject to high interobserver variability (IBV). IBV can be reduced using automated methods.
OBJECTIVES: Many existing computer-based methods do not accurately reflect what pathologists evaluate in practice. The goal is to demonstrate how these differences impact the prediction of hepatic steatosis. Additionally, IBV complicates algorithm validation.
MATERIALS AND ME
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.
Kidney transplant recipients face a high cardiovascular risk, which is a leading cause of death in this patient group. This article proposes the application of clustering techniques and feature selection to predict the survival outcomes of kidney transplant recipients based on machine learning techniques and mainstream statistical methods. First, feature selection techniques (Boruta, Random Survival Forest and Elastic Net) are used to detect the most relevant variables. Subsequently, each set of variables obtained by each feature selection technique is used as input for the clustering algorith
СтатьяПоддержка службы здравоохранения СШАПоддержка 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: Parkinson disease (PD) is a progressive neurodegenerative disorder with an annual incidence of approximately 0.1%. While primarily considered a motor disorder, increasing emphasis is being placed on its non-motor features. Both manifestations of the disease affect quality of life (QoL), which is captured in part II of the Unified Parkinson's Disease Rating Scale (UPDRS-II). While useful in the management of patients, it remains challenging to predict how QoL will change over time in PD. The goal of this work is to explore the feasibility of a machine learning algorithm to predict Qo
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