OBJECTIVE: To build a time-series machine learning (ML) model that improves bronchopulmonary dysplasia (BPD) prediction compared with published online calculators.
STUDY DESIGN: We used a single-center, extremely low gestational age newborn cohort (inborn, birth year 2016-2021, n = 438). The primary outcome was a 5-level class outcome for BPD as defined by the Neonatal Research Network (NRN) in 2019. Flowsheet data were extracted from the electronic medical record. Time-series data were generated from birth onward, with 14 static and 35 dynamic input attributes. Iterative static (regression)
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: Pulmonary complications are the most frequent adverse events following surgery for non-small cell lung cancer (NSCLC), influencing both short-term clinical outcomes and long-term prognosis. This study aimed to develop and evaluate artificial intelligence (AI) models to predict postoperative pulmonary complications in patients undergoing surgical treatment for NSCLC.
MATERIALS AND METHODS: A total of 953 patients who underwent lung resection and mediastinal lymph node dissection for NSCLC between 2001 and 2023 were retrospectively analyzed. Clinical, laboratory, respiratory functio
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.
RATIONALE AND OBJECTIVES: To evaluate the diagnostic performance of a longitudinal ultrasound (US)-based stack-model for early prediction of pathological complete response (pCR) to neoadjuvant chemotherapy (NAC) in breast cancer, as well as its practicality in assisting radiologists with diagnostic ability.
MATERIALS AND METHODS: A total of 974 patients who underwent NAC were retrospectively included between January 2017 and March 2022 from three different institutions. For all patients, US imaging was performed before NAC and after two cycles of NAC. The patients from the first hospital 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.
BACKGROUND: Artificial intelligence (AI) is increasingly applied to health care, yet concerns about fairness persist, particularly in relation to sociodemographic disparities. Previous studies suggest that socioeconomic status (SES) and sex may influence AI model performance, potentially affecting groups that are historically underserved or understudied.
OBJECTIVE: This study aimed to (1) assess algorithmic bias in AI-driven dementia prediction models based on SES and sex (biological sex), (2) compare the utility of an individual-level SES measure (the Housing-Based Socioeconomic Status [HOUS
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: To identify risk factors for conversion to open surgery during laparoscopic choledochal cyst excision in pediatric patients and develop a predictive model using machine learning. METHODS: We retrospectively analyzed 214 children who underwent laparoscopic excision between 2015 and 2023. Patients were classified into laparoscopic (n = 173) or conversion (n = 41) groups. Seven machine learning models were developed and evaluated using AUC and decision curve analysis (DCA). SHAP analysis identified top predictors, which were validated via multivariable logistic regression. A nomogram w
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 complications are major contributors to morbidity and mortality in trauma patients, yet conventional predictive models remain limited in scope and performance. We developed and validated an ensemble machine learning model that integrates both prehospital and in-hospital clinical variables to predict respiratory complications in trauma patients. We developed and internally validated machine learning models using data from the Korea Trauma Data Bank, comprising records from 19 major trauma centers in Korea between 2017 and 2022 (discovery; n = 48,376). For external validation, data f
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: To construct and interpret a machine learning model for predicting overall survival in nonsurgical prostate cancer with bone metastases (PCBM).
METHODS: Data from 3,378 SEER database patients were utilized to develop machine learning survival models, with the best-performing model visually interpreted using SHAP.
RESULTS: The Extra Survival Trees (EST) model performed best (validation AUC = 0.694, C-index = 0.643). SHAP analysis identified the Gleason score as the most critical survival factor, significantly outweighing clinical T stage. Visceral metastasis and advanced age also m
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: Disability accrual in multiple sclerosis (MS) is highly variable and challenging to predict, complicating personalised care. Integrating machine learning (ML) with patient-reported outcomes (PROs) and clinician-assessed outcomes (CAOs) may support tailored interventions.
OBJECTIVES: To develop and validate an interpretable ML model for predicting disability accrual trajectories in MS.
METHODS: A multicentre data set of 1,176 MS patients with up to 8 years of follow-up was used. A random forest model was trained to predict disability accrual at 2, 3, 4, and 5 years, using baseline
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.
Among the mechanical factors contributing to pressure injuries, shear forces at the body-seat interface play a critical role. This study introduces a novel machine learning approach to predict these forces, using data from pressure mapping systems and a multi-adjustable experimental seat. A supervised learning model was trained on measurements collected from individuals without disabilities and later evaluated on both this group and a cohort of wheelchair users. The selected model - a Random Forest Regression - relied on six input features: a calculated variable, backrest force, feet normal fo
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.
Prognostication for lung cancer, a leading cause of mortality, remains a complex task, as it needs to quantify the associations of risk factors and health events spanning a patient's entire life. One challenge is that an individual's disease course involves non-terminal (e.g., disease progression) and terminal (e.g., death) events, which form semi-competing relationships. Our motivation comes from the Boston Lung Cancer Study, a large lung cancer survival cohort, which investigates how risk factors influence a patient's disease trajectory. Following developments in the prediction of time-to-ev
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 mini review investigates the applications of digital therapeutics (DTx) and artificial intelligence (AI) in geriatric cardiovascular emergency care. Key elements include AI-driven biosensing for real-time risk stratification, blockchain-based secure data interoperability, tele-rehabilitation frameworks, and emerging technologies such as digital twins and brain-computer interfaces. Clinical validations shows that AI-enhanced portable ultrasound systems integrated with virtual reality (VR) optimizes diagnostic protocols and resuscitation workflows, while machine learning models achieve supe
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.
Understanding perception and communication gaps between patients with neurological diseases and their treating physicians is essential for optimizing patient-centered care. The GAP-AI study aimed to identify these gaps in a cohort of patients with Parkinson's disease, multiple sclerosis, or epilepsy. This single-center observational study involved patients (N = 197) and their treating physicians (N = 12) answering questionnaires (18-item Patient Satisfaction Questionnaire Short Form, 9-item Shared Decision Making Questionnaire for patients and physicians, Barthel Index, and 36-item Short Form
СтатьяНаблюдательное 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.
This study highlights the importance of evaluating warfarin dosing in diabetic patients, who require careful anticoagulation management. With rising rates of diabetes and cardiovascular diseases, understanding the factors influencing warfarin therapy is vital for improving patient outcomes and reducing adverse events. Data was sourced from the IWPC dataset, examining characteristics such as age, gender, diabetes status, indication for warfarin, weight, and height. We utilized the Bidirectional Encoder Representations from Transformers (BERT) model to analyze therapeutic doses, leveraging its a
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 retrospective study leverages machine learning to determine the optimal timing for fracture reconstruction surgery in polytrauma patients, focusing on those with concomitant traumatic brain injury. The analysis included 218 patients admitted to Qilu Hospital of Shandong University from July 2011 to April 2024. Demographic data, physiological status, and non-invasive test indicators were collected. Feature selection via the Boruta and LASSO algorithms preceded the construction of predictive models using Random Forest, Decision Tree, K-Nearest Neighbors, Support Vector Machine, LightGBM, an
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.
The diverse chemical components of traditional Chinese medicine (TCM) exhibit significant therapeutic potential; however, the action mechanisms of these compounds often remain unclear. The use of drug-target prediction can aid in identifying the specific targets of TCM, thereby revealing their bioactivity and mechanisms. The efficiency, cost-effectiveness, and powerful predictive capabilities of artificial intelligence algorithms have led to their emergence as effective tools for accelerating drug-target interaction analysis. To systematically investigate TCM interaction mechanisms, we integra
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.
Treponema pallidum subsp. pallidum (T. pallidum), the fastidious causative agent of syphilis, has become more accessible for research with its recently developed in vitro cultivation method. In this work, the proteomes of seven T. pallidum strains (Nichols-like: DAL-1, Haiti B, and Madras; SS14-like: SS14, Mexico A, Philadelphia 1, and Grady), cultivated in vitro, were analyzed in biological triplicates by liquid chromatography-tandem mass spectrometry (LC-MS/MS). The MS/MS data were processed against their corresponding genomes using various annotation algorithms (DFAST, PGAP, Prodigal, Prokk
СтатьяПоддержка NIH: внешняя программаПоиск 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 this study, we aimed to investigate disparities in the tumor immune microenvironment (TME) between primary and metastatic malignant melanoma (MM) using single-cell RNA sequencing (scRNA- seq ) and to identify metastasis-related T cell marker genes (MRTMGs) for predicting patient survival using machine learning techniques. We identified 6 distinct T cell clusters in 10×scRNA-seq data utilizing the Uniform Manifold Approximation and Projection (UMAP) algorithm. Four machine learning algorithms highlighted SRGN, PMEL, GPR143, EIF4A2, and DSP as pivotal MRTMGs, forming the foundation of the MRT
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.
Acute type A aortic dissection (AAAD) has a high probability of postoperative adverse outcomes (PAO) after emergency surgery, so exploring the risk factors for PAO during hospitalization is key to reducing postoperative mortality and improving prognosis. An artificial intelligence approach was used to build a predictive model of PAO by clinical data-driven machine learning to predict the incidence of PAO after total arch repair for AAAD. This study included 380 patients with AAAD. The clinical features that are associated with PAO were selected using the LASSO regression analysis. Six differen
СтатьяПоддержка исследования: вне правительства СШАПолный 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: To develop and evaluate a predictive nomogram for polyuria during general anesthesia in thoracic surgery.
METHODS: A retrospective study was designed and performed. The whole dataset was used to develop the predictive nomogram and used a stepwise algorithm to screen variables. The stepwise algorithm was based on Akaike's information criterion (AIC). Multivariable logistic regression analysis was used to develop the nomogram. The receiver operating characteristic (ROC) curve was used to evaluate the model's discrimination ability. The Hosmer-Lemeshow (HL) test was performed to chec
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.
Stillbirth is a devastating pregnancy complication that still affects many women, particularly from low and middle-income countries. It is often labeled as "unexplained" and therefore unpreventable, despite the knowledge that placental dysfunction has been identified as a leading cause of antepartum stillbirth. Currently, screening for pregnancies at high-risk for placental dysfunction relies on checklists of maternal risk factors and serial measurement of symphyseal-fundal height to identify small for gestational age fetuses. More recently, the first-trimester combined screening algorithm dev
СтатьяОбзорПолный 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