Production of nano-sized solid-dosage drugs is useful for pharmaceutical industry owing to high solubility and efficacy of the drugs for patients, which can also reduce the drugs side effects. For the solid-dosage oral formulations, the nanomedicine can be prepared via either top-down or bottom-up approach to enhance the drug solubility which in turns enhances the drug bioavailability. A novel methodology for simulation and prediction of medicine solubility in supercritical solvent was developed based on supervised learning algorithms for classification of the data. The data for the simulation
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.
AIMS: To develop and validate a machine learning-based risk prediction model for delirium in older inpatients.
DESIGN: A prospective cohort study.
METHODS: A prospective cohort study was conducted. Eighteen clinical features were prospectively collected from electronic medical records during hospitalisation to inform the model. Four machine learning algorithms were employed to develop and validate risk prediction models. The performance of all models in the training and test sets was evaluated using a combination of the area under the receiver operating characteristic curve (AUC), accuracy,
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 AND AIM: The shortage of liver grafts compared to recipients necessitates precise organ assessment. This study aimed to develop a Machine learning (ML) model to predict postoperative delayed graft function (DGF) and visualize the decision-making process for clinical application.
METHOD: Data from 5242 donor-recipient pairs who underwent liver transplantation (LT) at the top 10 liver transplant centers in China (January 2017 to December 2022) were collected. The dataset was divided into training and validation sets. Sixty-three variables, including demographics, donor characteristic
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: The aim of this study was to incorporate biomarkers into an inflammatory score to improve risk prediction of coagulopathy and hemorrhagic progression of a contusion (HPC) in patients with traumatic intraparenchymal hemorrhage (tIPH), and to further explore the interaction and mediation effects within the chain of events.
METHODS: In this retrospective study, the medical records of patients with tIPH who received treatment at two centers from January 2019 to December 2021 were reviewed. Machine learning algorithms were applied for biomarker selection, and an inflammatory score was c
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: Preterm birth (PTB) occurs in approximately 11% of all births worldwide, resulting in significant morbidity and mortality for both mothers and their offspring. Identifying pregnancies at risk of preterm birth during early pregnancy may help improve interventions and reduce its incidence. Plasma cell-free DNA (cfDNA), derived from placenta and other maternal tissues, serves as a dynamic indicator of biological processes and pathological changes in pregnancy. These properties establish cfDNA as a valuable biomarker for investigating pregnancy complications, including PTB.
METHODS AN
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.
OBJECTIVE: Emerging evidence suggests dietary components may modulate inflammatory conditions, yet the role of phosphorus in pelvic inflammatory disease (PID) remains unclear. This study investigated the association between dietary phosphorus intake and PID prevalence while developing machine learning (ML) models for PID risk prediction.
METHODS: A total of 2629 non-pregnant women from the National Health and Nutrition Examination Survey 2015-2018 were analyzed. PID was defined using self-reported physician diagnosis. Dietary phosphorus intake was quantified using two 24-h recalls. Multivaria
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 identify independent risk factors for bronchopulmonary dysplasia (BPD) at multiple postnatal time points in extremely preterm (EP) or very low birth weight (VLBW) infants and to develop machine learning-based dynamic prediction models for early risk stratification and intervention.
METHODS: This study utilized retrospective data from EP or VLBW infants (gestational age (GA) < 32 weeks or birth weight (BW) < 1500 g) admitted to the First Affiliated Hospital of Xinjiang between 2017 and 2022. The dataset was randomly divided into training (70%) and validation (30%
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 study explores the use of radiomic features extracted from preoperative T2-weighted MRI and CT images, combined with machine learning models, to predict the risk of vertebral refracture after percutaneous kyphoplasty (PKP) in postmenopausal women. We retrospectively collect data from 156 postmenopausal women with osteoporotic vertebral compression fractures (OVCFs) who underwent PKP (35 refracture cases, 121 non-refracture controls). All patients had preoperative lumbar T2-weighted MRI and CT scans. We extract MRI and CT radiomic features and constructed radiomic signatures through featur
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: Cardiovascular disease is a leading cause of death in systemic lupus erythematosus (SLE). Early prediction of cardiac involvement is critical for improving patient outcomes. This study aimed to identify key factors associated with cardiac involvement in SLE and to develop an interpretable machine learning (ML) model for risk prediction.
METHODS: We conducted a retrospective analysis of 1,023 SLE patients hospitalized in Shenzhen People's Hospital between January 2000 and December 2021, with a median age of 31 years at hospitalization (IQR: 25-39 years), 92.1% being female, and 18.
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: To develop a predictive model for bone destruction in patients with rheumatoid arthritis (RA), based on the characteristics of plasma metabolites and common clinical indicators.
METHODS: The cohort comprised 60 patients with RA, with baseline metabolite features identified using the liquid chromatograph-mass spectrometer system. Radiographic outcomes were assessed using the van der Heijde-modified total Sharp score (mTSS) following a one-year follow-up period to quantify bone destruction. The longitudinal association between metabolites and radiographic progression was analyzed us
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
When the available human-derived information at a crime scene is limited, it poses challenges in determining the origin of the biological materials and identifying their donors. In this context, microorganisms have gradually emerged as a valuable complementary tool. Nowadays, the application of third-generation sequencing technology for full-length 16S rRNA sequencing to explore the specific bacterial biomarkers in various biological materials holds significant research and practical value. In this study, we performed full-length 16S rRNA gene sequencing on sterile swabs from palmar skin, oral
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.
Differential equations-based epidemiological compartmental systems and deep neural networks-based artificial intelligence can effectively analyze and combat monkeypox (MPV) transmission with Poisson random measure noise into a stochastic SEIQR (susceptible, exposed, infected, quarantined, recovered) model human population and SEI (susceptible, exposed, infected) for rodent population. Compartmental models have estimates of parameter complications, whereas machine learning algorithms struggle to understand MPV's progression and lack elucidation. This research introduces Levenberg Marquardt back
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 Dicer protein is an indispensable player in such fundamental cell pathways as miRNA biogenesis and regulation of protein expression in a cell. Most recently, both germline and somatic mutations in DICER1 have been identified in diverse types of cancers, which suggests Dicer mutations can lead to cancer progression. In addition to well-known hotspot mutations in RNAase III domains, DICER1 is characterized by a wide spectrum of variants in all the functional domains; most are of uncertain significance and unstated clinical effects. Moreover, various new somatic DICER1 mutations continuously
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.
AIMS: Studies on machine learning (ML) for the prediction of diabetic nephropathy (DN) in type 1 diabetes mellitus (T1DM) patients are rare. This study focused on the development and external validation of an explainable ML model to predict the risk of DN among individuals with T1DM.
METHODS: This was a retrospective, multicenter study conducted across 19 hospitals in Gansu Province, China (No: 2022-473). In total, 1368 patients were eligible for analysis among 1633 collected T1DM patients from January 2016 to December 2023. Recursive feature elimination using random forest and fivefold cross
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: This study aimed to predict early adolescent sleep problems using pregnancy and childbirth risk factors through machine learning algorithms, and to evaluate model performance internally and externally.
METHODS: Data from the China Jintan Child Cohort study (CJCC; n=848) for model development and the US Healthy Brain and Behavior Study (HBBS; n=454) for external validation were employed. Maternal pregnancy histories, obstetric data, and adolescent sleep problems were collected. Several machine learning techniques were employed, including least absolute shrinkage and selection opera
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.
INTRODUCTION: Intraoperative Hypotension (IOH) poses a substantial risk during surgical procedures. The integration of Artificial Intelligence (AI) in predicting IOH holds promise for enhancing detection capabilities, providing an opportunity to improve patient outcomes. This systematic review and meta analysis explores the intersection of AI and IOH prediction, addressing the crucial need for effective monitoring in surgical settings.
METHOD: A search of Pubmed, Scopus, Web of Science, and Embase was conducted. Screening involved two-phase assessments by independent reviewers, ensuring adher
Систематический обзорСтатьяМетаанализПоддержка 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.
Neuroimaging research has uncovered a multitude of neural abnormalities associated with psychopathology, but few prediction-based studies have been conducted during adolescence, and even fewer used neurobiological features that were extracted across multiple neuroimaging modalities. This gap in the literature is critical, as deriving accurate brain-based models of psychopathology is an essential step towards understanding key neural mechanisms and identifying high-risk individuals. As such, we trained adaptive tree-boosting algorithms on multimodal neuroimaging features from the Lifespan Human
СтатьяПоддержка NIH: внешняя программаПоддержка правительства СШАПолный 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.
Users of automated vehicles will engage in other activities and take their eyes off the road, making them prone to motion sickness. To resolve this, the current paper validates models predicting sickness in response to motion and visual conditions. We validate published models of vestibular and visual sensory integration that have been used for predicting motion sickness through sensory conflict. We use naturalistic driving data and laboratory motion (and vection) paradigms, such as sinusoidal translation and rotation at different frequencies, Earth-Vertical Axis Rotation, Off-Vertical Axis Ro
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: Mortality prediction scores for children admitted with diarrhea are unavailable, early identification of at-risk patients for proper management remains a challenge. This study utilizes machine learning (ML) to develop a highly sensitive model for timelier identification of at-risk children admitted with acute gastroenteritis (AGE) for better management.
METHODS: We used seven ML algorithms to build prognostic models for the prediction of mortality using de-identified data collected from children aged <5 years hospitalized with AGE at Siaya County Referral Hospital (SCRH), Kenya, b
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: Prediction of lymph node metastasis (LNM) for intrahepatic cholangiocarcinoma (ICC) is critical for the treatment regimen and prognosis. We aim to develop and validate machine learning (ML)-based predictive models for LNM in patients with ICC.
METHODS: A total of 345 patients with clinicopathological characteristics confirmed ICC from Jan 2007 to Jan 2019 were enrolled. The predictors of LNM were identified by the least absolute shrinkage and selection operator (LASSO) and logistic analysis. The selected variables were used for developing prediction models for LNM by six ML algorit
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