Ensuring the safety of patients using pharmaceuticals and medical devices through chemical characterization requires accurate estimation of extractables and leachables to ensure tolerable risk from unintentional exposure to these chemicals. However, this is complicated by variability in chemical responses, particularly with mass spectrometry methods. High-quality relative response factor predictions provide the opportunity for both expedited and more accurate quantitation in extractables and leachables analyses. In-silico prediction models were developed to test a wide variety of compounds, wh
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.
Schizophrenia is a highly heritable psychiatric disorder with a complex genetic basis. While recent GWAS and whole exome sequencing studies have identified numerous risk loci, existing clinical prediction models rely primarily on linear assumptions, limiting their ability to capture complex, nonlinear genetic effects such as epistasis. In this study, we apply end-to-end genome interpretation neural network models to predict schizophrenia risk using whole exome sequencing data in a cohort of 6,135 cases and 6,245 controls. We show that nonlinear neural networks significantly outperform conventi
СтатьяПоддержка исследования: вне правительства СШАПоиск 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 prediction of time-to-event outcomes is essential for clinical decision-making and model-informed drug development (MIDD). Conventional survival models may inadequately represent complex longitudinal patient trajectories, time-dependent treatments, and evolving biomarker or pharmacokinetic/pharmacodynamic (PK/PD) profiles. Recent advances in machine learning (ML) and deep learning (DL) have enabled dynamic survival models that update individualized risk predictions as new longitudinal information becomes available. This report systematically reviews dynamic survival modeling framework
СтатьяСистематический обзорОбзорПолный 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.
Predicting pain in physical rehabilitation is challenging due to subjectivity, patient variability, and self-report bias, especially in telerehabilitation. This study aims to determine whether machine-learning models based on heart rate (HR), heart rate variability (HRV), and peripheral oxygen saturation (SpO2) can reliably detect clinically meaningful pain during real rehabilitation sessions, including home-based settings where self-report is least reliable; we hypothesized that these low-cost, non-invasive markers carry sufficient information to flag low-to-moderate pain episodes without rel
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: To identify independent risk factors for diabetic peripheral neuropathic pain (DPNP), construct a nomogram prediction model, and quantify the contribution of predictive factors using SHapley Additive exPlanations (SHAP) values.
METHODS: This retrospective study of 500 type 2 diabetes patients diagnosed DPNP via the Michigan Neuropathy Screening Instrument and clinical evaluation. Predictors were selected using univariate analysis and LASSO regression, with independent risk factors identified by multivariate logistic regression. Nonlinear relationships were assessed using restricted
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.
In the past five years, the COVID-19 epidemic has created unparalleled difficulties throughout the world. The COVID-19 virus has not entirely disappeared all over the world, and it is still spreading with new transformations and new variants throughout the globe. Hence, the requirement of exact and appropriate risk prediction can emphasize the care of patients and effectively allocate the resources for improving their lifespan. The prediction of risk factors for COVID-19 is highly needed for minimizing these hazards. As a result, this work develops the Fuzzy-Deep Kronecker Network + Deep Recur
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.
Substance use disorders (SUDs) are a serious public health concern in the United States. Alcohol and cannabis are two of the most widely used substances. For adolescent/youth users of alcohol or cannabis, we propose a joint Bayesian learning model to predict their risks of developing alcohol use disorder (AUD) and cannabis use disorder (CUD) in adulthood based on their personal risk factors. The model is trained on nationally representative longitudinal data from Add Health ( n = 12,503 $$ n=\mathrm{12,503} $$ ). It consists of sub-models that predict the two SUDs for three groups of users-t
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.
Early detection of breast cancer (BC) through mammography screening is critical for reducing mortality and improving patient outcomes. However, full-population-based, age-driven screening might not lead to optimal resource use and may enlarge screening associated harms in low risk women. Accurate and interpretable BC risk prediction is essential to improve strategies and make screening more personalized. Although recent deep learning models have shown promise in leveraging mammograms for risk stratification, challenges remain in interpretable modeling of temporal changes, efficiently capturing
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.
INTRODUCTION: Age and hypertension are key drivers of renal impairment, predisposing older hypertensive adults to faster kidney function decline and higher mortality. We aim to develop an interpretable machinelearning model to predict 4-year chronic kidney disease (CKD) risk in this population.
METHODS: Our study incorporated 4,142 hypertensive patients from the Health and Retirement Study (HRS) 2010 and 2012 cohorts for model development and internal validation, with additional temporal validation performed within the HRS 2006 and 2008 cohorts. External validation was conducted using three d
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: Predicting seizure recurrence following a first unprovoked seizure (FUS) remains a significant clinical challenge, especially when routine clinical magnetic resonance imaging (MRI) and EEG do not reveal abnormalities diagnostic of epilepsy. Here, we incorporate quantitative structural MRI-derived biomarkers into prediction models for seizure recurrence at 12 months and identify brain structural features that are predictive of seizure recurrence.
METHODS: We analyzed a retrospective, multicenter cohort of 197 adult patients with FUS, comprising 83 with seizure recurrence and 114 wi
СтатьяМногоцентровое 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: The widespread prevalence of chronic pain (CP) significantly impacts daily functioning worldwide. In mainland China, maintaining engagement in biopsychosocial interventions remains challenging. Gamification, designed based on self-determination theory, can enhance motivation, while machine learning (ML) algorithms can assist clinicians in dynamically optimizing pain management.
OBJECTIVE: This study aimed to (1) evaluate the preliminary effectiveness of a gamified pain management (GPM) program on CP and psychological outcomes and (2) identify key factors of significant pain improv
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: To develop and validate machine learning models for predicting systemic inflammatory response syndrome (SIRS) after percutaneous nephrolithotomy (PCNL), to establish a web-based prediction tool, and to investigate the association between sarcopenia and staghorn stones as well as their potential synergistic effect on postoperative SIRS.
METHODS: Patients undergoing PCNL between January 2021 and August 2025 at The Third Affiliated Hospital of Sun Yat-sen University were retrospectively analyzed and randomly divided into training and validation sets (7:3). Feature selection was performe
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: Micropapillary (MP) and solid (S) pathological patterns are recognized as high-risk patterns. Even early-stage invasive adenocarcinoma (IAC) with MP/S pathological patterns carry a high risk of postoperative recurrence. This study aimed to construct and validate machine learning (ML) models to predict recurrence within 5 years in patients with IAC with MP/S pathological components and tumor diameter ≤ 3 cm without lymph node metastasis and distant metastasis.
METHODS: We retrospectively analyzed 974 patients from two centers. Univariate and multivariate logistic regression analyse
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/AIMS: Although recent randomized controlled trials have reported the efficacy of adjuvant chemotherapy for resected biliary tract cancer, discrepancies remain between recommendations and real-world practice. Therefore, we aimed to assess the efficacy of adjuvant chemotherapy in patients with gallbladder cancer and used machine learning-based risk stratification to predict recurrence to avoid unnecessary chemotherapy.
METHODS: Patients who underwent surgery between 2005 and 2022 and were histologically diagnosed with stage 2 or above gallbladder cancer were included. The patients we
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: Current studies on adverse pregnancy outcomes in polycystic ovary syndrome (PCOS) have primarily focused on metabolic and endocrine abnormalities, whereas systematic investigations addressing live birth outcomes and coagulation dysfunction remain limited. In addition, there is a lack of comprehensive tools for early pregnancy risk stratification. This study aimed to explore the associations between early pregnancy indicators and early pregnancy loss (EPL) in women with PCOS, identify key risk factors, and subsequently develop a clinically interpretable predictive model to facilitate
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: To evaluate whether surgeon seniority influences postoperative astigmatic change after phacoemulsification cataract surgery and to assess the performance of machine-learning models in predicting postoperative astigmatic outcomes using preoperative clinical data.
METHODS: This study included 169 eyes of 169 patients who underwent phacoemulsification cataract surgery. Surgeons were categorized as residents (n = 101) or specialists (n = 68). Astigmatism was quantified using both classical magnitude-based analysis and vector decomposition. Potential determinants of postoperative astigmat
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: Machine learning models that predict survival time for patients are increasingly used for clinical decision support. Validating model performance in deployment is important but challenging because the only timely source of follow-up/death data is the electronic medical record (EMR), which is known to undercapture deaths, resulting in informative censoring. We examined whether model performance evaluation using EMR data alone can distinguish between low- and high-quality models using high-quality cancer registry data combined with EMR data as a comparison to calculate model performance
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 experimental study investigates whether the temporal evolution of received laser-beam intensity can be forecast from intensity images alone under controlled underwater turbulence. Conventional adaptive-optics systems commonly rely on present wavefront measurements and are therefore reactive to measured turbulence-induced distortions. We examine a different prerequisite problem: whether established deep-learning components can be assembled into short-horizon predictors of experimentally measured intensity evolution, without phase measurements or iterative wavefront reconstruction. Synchron
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.
The study aimed to develop a seismocardiograph (SCG)- based algorithm and assess its diagnostic performance in the detection of heart failure (HF). A total of 218 subjects were included: 198 with suspected HF and 20 with known HF with reduced ejection fraction (HFrEF) were included for testing only. Assessments were conducted using SCG, N-terminal pro b-type natriuretic peptide (NT-proBNP), electrocardiogram, NYHA classification and echocardiography. SCG-based algorithms, "AnyHF score" were developed to identify all subtypes of HF and "HFrEF-score" to identify HFrEF. Diagnostic accuracy was as
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: We have developed a digital algorithm to assess skin pigmentation, specifically an artificial intelligence-based image analysis tool that segments photographed lesions and then scores them by Facial Vitiligo Area Scoring Index (F-VASI), in place of trained site investigators. Vitiligo, the disease used in this exemplary demonstration of the algorithm, is a chronic, acquired, immune-mediated depigmentation disease characterized by white macules and/or patches of skin. The F-VASI is a clinician-reported outcome that relies on manual assessment of affected body surface area (BSA) 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.
MedElevator
Войти в исследования