Sepsis heterogeneity poses a challenge to accurate diagnosis and treatment. The impact of SUMOylation, a post-translational modification, on sepsis is largely unexplored. We integrated three GEO datasets to construct a large-scale sepsis cohort and applied three machine learning algorithms to screen hub genes from differentially expressed genes (DEGs) associated with SUMOylation in sepsis. Unsupervised consensus clustering was performed to identify sepsis subtypes. Using single-sample gene set enrichment analysis (ssGSEA) and gene set variation analysis (GSVA), we analysed the immunological an
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: In reirradiation, tumor control must be balanced against a high-risk of adverse effects. We evaluated the feasibility of a time-dependent recovery model to improve toxicity prediction.
METHODS AND MATERIALS: Sixty-five high-risk thoracic reirradiation patients, identified by BID treatment, were included for modeling grade ≥2 acute esophagitis. The median (range) re-RT dose was 45 Gy (30-60) in 30 (20-40) fractions. Doses from each course were deformably registered to the most recent CT and converted to voxel-wise equivalent dose in 2-Gy fractions. We compared the discrimination of th
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.
BACKGROUND: Prognosis remains heterogeneous among critically ill patients with acute kidney injury (AKI). We evaluated the triglyceride-gluc … ses, and sensitivity analyses. Consensus clustering identified metabolic-frailty phenotypes. Twelve prediction algorithms were evaluated using a 7:3 development-test split, with SHAP and LIME for interpretation. Double machine learning was used as an exploratory robustness analysis. External model validation was performed in 1831 eICU patients, and phenotype reproducib …
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.
BackgroundSepsis-associated acute kidney injury (SA-AKI) is a common and severe complication in critically ill patients, with poor prognosis. Diabetes may further increase adverse outcomes through infection susceptibility, immune dysfunction, and renal vulnerability. However, mortality prediction models for patients with diabetes complicated by SA-AKI remain limited. This study aimed to develop and validate a machine learning-based model for early in-hospital mortality prediction in this population.MethodsA total of 6929 patients with SA-AKI and diabetes were identified from the Medical Inform
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: Sarcopenia (SP) and idiopathic pulmonary fibrosis (IPF) are debilitating diseases, but share ferroptosis-related biomarkers and their regulatory mechanisms in both remain unclear, hindering targeted research and therapy.
METHODS: In this study, ferroptosis-related genes (FeRGs), as well as training sets and test sets related to SP and IPF, were obtained from public databases. After the identification of disease-related differentially expressed genes (DEGs), DEGs shared by SP and IPF were obtained through intersection (genes with consistent DEG change trends across each disease) an
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.
OBJECTIVES: Tobacco consumption, combined with individual genetic predispositions, contributes to an age-dependent risk not only for lung cancer but also for other non-communicable diseases (NCDs) such as cardiovascular disease (CVD), chronic obstructive pulmonary disease (COPD), osteoporosis, and diabetes. The MULTIPREVENT project aims to validate whether low-dose computed tomography (LDCT) of the chest, combined with simple biomarkers, functional tests, and genomic profiling, can serve as an effective tool for comprehensive health assessment and risk prediction of multimorbidity in adults.
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.
Precise preoperative prediction of surgical complexity in robot-assisted total mesorectal excision (R-TME) is essential for optimizing surgical strategies. The current study aimed to construct an interpretable machine learning (ML) model to anticipate operative difficulty in sphincter-preserving R-TME. Retrospective data from 449 patients diagnosed with mid-to-low rectal cancer undergoing R-TME at Center A were analyzed. The dataset was partitioned randomly into training (n = 314) and internal validation (n = 135) groups using a 7:3 ratio. Additionally, external validation was conducted with a
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: Heart failure (HF) is a heterogeneous syndrome affecting over 60 million individuals globally. Patients with hypertension are particularly susceptible to developing HF. Therefore, timely identification and predictive assessment of HF risk have significant clinical implications in this population. Thus, this study aimed to develop a new interpretable machine learning (ML) model for HF prediction.
METHODS: Using data from the Systolic Blood Pressure Intervention Trial (SPRINT), a random under-sampling technique was applied to address class imbalance in the target variable, achieving
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.
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2026eng
BACKGROUND: Spine and pelvis chordoma (SPC) is a rare and aggressive mesenchymal tumor with poor long-term recurrence-free survival rates. Accurate preoperative prediction of recurrence remains a significant clinical challenge, and reliable prognostic methods are lacking.
PURPOSE: To develop and validate MRI-based radiomics models for predicting recurrence in SPC.
STUDY DESIGN: A single-center retrospective study.
PATIENT SAMPLE: A total of 135 SPC patients who underwent preoperative MRI, including T2-weighted imaging (T2WI) and contrast-enhanced T1-weighted (CET1) sequences.
OUTCOME MEASU
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: Bipolar disorder (BD) is closely associated with suicidal ideation (SI). The development of an effective prediction model for SI in BD patients could facilitate early risk identification in high-risk groups.
METHODS: This study employed a cross-sectional design. Patients with BD were enrolled from three tertiary hospitals between July 2021 and July 2024. All participants were randomly allocated to training (n = 204) or testing (n = 88) sets at a 7:3 ratio. A hybrid feature selection strategy integrating the data-driven Boruta algorithm with clinical expertise was used to identify
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: Brain metastases (BM) in renal cell carcinoma (RCC) are associated with poor prognosis and limited clinical guidance. We aimed to identify prognostic factors for overall survival (OS) in RCC BM and develop an interpretable machine-learning (ML) model for individualized risk prediction.
PATIENTS AND METHODS: We retrospectively analyzed 929 patients with histologically confirmed clear cell RCC BM treated with stereotactic radiosurgery or surgical resection and stratified them by treatment era [interferons (IFN), tyrosine kinase inhibitors (TKI), and immune checkpoint inhibitors (IO)
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 increasing prevalence of obesity and type 2 diabetes, the number of patients with hepatitis B virus (HBV)-related hepatocellular carcinoma (HCC) coexisting with hepatic steatosis is steadily rising. However, the impact of hepatic steatosis on tumor recurrence following radical resection remains unclear.
METHODS: We retrospectively analyzed a cohort of 733 HBV-infected patients diagnosed with HCC who underwent curative liver resection. Propensity score matching (PSM) was performed at a 1:2 ratio using 12 covariates to reduce selection bias and explore the association betwe
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 AND OBJECTIVES: In most patients, the renal parenchymal volumes in each kidney directly correlate with function and can be used as a proxy to determine split renal function (SRF). This simple principle forms the basis for parenchymal volume analysis (PVA) with semiautomated software, which can be leveraged to predict SRF and new-baseline glomerular filtration rate (NBGFR) following nephrectomy. PVA was originally used to evaluate renal transplantation donors and has replaced nuclear renal scans (NRS) in this domain. PVA has subsequently been explored for the management of patients w
СтатьяОбзорПолный 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.
Early triage of trauma patients requiring massive transfusion (MT) may help to marshal appropriate resources and improve treatment and outcome. Artificial intelligence (AI) and machine learning (ML) offer theoretical advantages compared to conventional prediction algorithms but have not been thoroughly evaluated in this population. We hypothesized that AI/ML techniques incorporating all available data in a patient's medical record could achieve similar, if not higher, performance in the prediction of mortality in MT patients as compared to existing models. Patients from the American College of…
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: Artificial intelligence (AI) has emerged as one of the most transformative tools for developing clinical decision-support systems in veterinary medicine. Despite its growing use, its full potential remains underutilized in equine medicine, an area of both high economic and clinical importance. Accurate survival prediction in horses with colic is crucial for timely intervention and improved clinical outcomes.
METHODS: This study aimed to predict survival outcomes in horse colic cases by developing models that combine traditional machine-learning algorithms (XGBoost, Light Gradient
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: This study aims to develop and validate interpretable machine learning (ML) models to dynamically predict mortality risk among intensive care unit (ICU) patients diagnosed with acute pancreatitis complicated by acute kidney injury (AP-AKI).
METHODS: The clinical data in the training set, including demographic characteristics, laboratory indicators, scoring systems, treatment modalities, and clinical management strategies, were obtained from three large-scale medical databases: the Medical Information Mart for Intensive Care, and the eICU Collaborative Research Database. The externa
СтатьяМногоцентровое исследованиеВалидационное 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.
STUDY OBJECTIVES: To evaluate the emerging role of artificial intelligence (AI) in diagnosis, risk stratification, and adult surgical planning for patients with obstructive sleep apnea (OSA), and to assess its potential clinical value and limitations.
METHODS: A narrative literature review was conducted A targeted systematic search elements to synthesize recent developments in AI applications across the OSA care continuum. Studies were selected based on relevance to diagnostic accuracy, wearable and home-based sleep monitoring, outcome prediction, and integration into surgical workflows. Spec
СтатьяОбзорПолный 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: Patient-ventilator asynchronies (PVAs) are frequent complications in mechanically ventilated patients, contributing to adverse outcomes such as ventilator-induced lung injury, prolonged mechanical ventilation, and increased mortality. Artificial intelligence (AI) has emerged as a promising tool for enhancing PVA detection, prediction, and optimization. Despite its growing potential, the full scope of AI applications in this field and persistent gaps in evidence remain inadequately explored.
OBJECTIVE: This scoping review examines the breadth of AI-based approaches for managing PVA
СтатьяScoping ReviewПоиск 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.
INTRODUCTION: The risk factors of biliary complications (BCs) after liver transplantation are not comprehensively determined. BCs also vary in times of onset. Machine learning (ML) can reveal regularities based on large-scale data to make predictions and have demonstrated good performance in liver transplantation. However, whether ML can be an efficient tool for BC prediction was not determined.
METHODS: Five hundred seventeen patients from 2 centers were enrolled. Patients were randomly divided into training and validation sets at 3:1 ratio. K-fold cross-validation and the synthetic minority
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: The growing population of elderly neurocritically ill patients highlights the need for effective prognosis prediction tools. This study aims to develop and validate machine learning (ML) models for predicting 28-day mortality in intensive care units (ICUs).
METHODS: Data were extracted from the Medical Information Mart for Intensive Care IV(MIMIC-IV) database, focusing on elderly neurocritical ill patients with ICU stays ≥ 24 h. The cohort was split into 70 % for training and 30 % for internal validation. We analyzed 58 variables, including demographics, vital signs, medications,
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