INTRODUCTION: The identification of linear B-Cell epitopes (BCEs) is significantly important for the discovery of drugs, such as antibody production, peptide-based vaccines, and other therapeutics.
MATERIALS AND METHODS: Unlike traditional laboratory-based methods, computational techniques can save cost and time in predicting large-scale BCEs. For this purpose, numerous in-silico methods have been designed to enhance the overall efficacy of BCE prediction. However, research gaps exist for further improvement in the context of using novel feature representations and learning models for BCE pre
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: Venous thromboembolism (VTE) is a common and severe complication in intensive care unit (ICU) patients with sepsis. Conventional risk stratification tools lack sepsis-specific features and may inadequately capture complex, nonlinear interactions among clinical variables.
OBJECTIVE: This study aimed to develop and validate an interpretable machine learning (ML) model for the early prediction of VTE in ICU patients with sepsis.
METHODS: This multicenter retrospective study used data from the Medical Information Mart for Intensive Care IV database for model development and internal
СтатьяМногоцентровое исследованиеПоддержка 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.
OBJECTIVES: To develop and validate machine learning (ML) models for identifying key predictors and estimating the risk of intraoperative hypotension (IOH) in elderly patients undergoing general anesthesia.
METHODS: This secondary analysis included 1,720 elderly surgical patients from a randomized controlled trial. Data were split chronologically into training sets. Feature selection was performed using univariate analysis and the Boruta algorithm. Eight ML models - logistic regression, Bayesian model, K-nearest neighbor, support vector machine, neural network, classification and regression 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.
BACKGROUND: Gestational diabetes mellitus (GDM) is a common complication during pregnancy, with its incidence increasing year by year. It poses numerous adverse health effects on both mothers and newborns. Accurate prediction of GDM can significantly improve patient prognosis. In recent years, artificial intelligence (AI) algorithms have been increasingly used in the construction of GDM prediction models. However, there is still no consensus on the most effective algorithm or model.
OBJECTIVE: This study aimed to evaluate and compare the performance of existing GDM prediction models construct
СтатьяСистематический обзорМетаанализПоиск 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: COVID-19 disease has a high prevalence and mortality rate among chronic kidney disease patients. Previous studies have shown that ML-based prediction models are effective for developing preventive strategies. Despite several efforts to establish prediction models for COVID-19 mortality risk among different populations, few studies have focused on COVID-19 mortality among patients with chronic kidney disease. The current study aimed to develop an effective, efficient preventive strategy to improve prognosis and survival among these patients by constructing a machine-learning-based pr
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 constructed a bioinformatics prediction algorithm for human enterovirus uncoating receptors based on amino acid sequences and physicochemical properties. Based on the availability of uncoating receptor information and three-dimensional (3D) structural data, human enterovirus serotypes were classified into training, validation, and prediction datasets. Using amino acid sequences of receptor-binding sites and their physicochemical properties as model features, a prediction model was constructed using the Naive Bayes algorithm and bioinformatic network analysis method. The results show
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: Cardiac resynchronization therapy (CRT) can improve clinical outcomes in patients with dyssynchronous heart failure, but many patients selected according to the current guidelines do not respond.
OBJECTIVE: This study aimed to externally validate an explainable deep learning algorithm (the FactorECG algorithm) for predicting response after biventricular pacing.
METHODS: We previously trained a deep learning algorithm on >1 million electrocardiogram (ECG) median beats to learn the underlying generative factors of the ECG and applied it to 1306 patients with CRT from the Netherland
СтатьяВалидационное исследованиеПоддержка 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.
BACKGROUND: Heart failure is a leading cause of hospital readmission globally. Few studies have compared the performance of artificial intelligence-based prediction models directly with expert clinical judgment. The objective was to compare the performance of the PRED'IC predictive algorithm with cardiologist assessments for predicting 90-day readmissions following hospitalization for acute decompensated chronic heart failure.
METHODS: This retrospective, single-center observational study included 120 patients aged ≥ 60 years hospitalized for congestive heart failure at Montpellier University
СтатьяСравнительное исследованиеНаблюдательное 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.
We aimed to develop and assess the performance of a Machine learning (ML) model integrating common clinical features to predict arrhythmic events in patients with Hypertrophic Cardiomyopathy (HCM). Post-hoc analysis of an international multicenter registry of 531 HCM patients (49 years (IQR 35-61), 57% male) who underwent cardiac magnetic resonance (CMR). The dataset comprised clinical, echocardiographic, and CMR variables, including quantification of late gadolinium enhancement (LGE) using the + 6 SD method. The endpoint was a composite of sudden cardiac death (SCD), aborted SCD, and sustaine
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.
Study DesignMachine learning model.ObjectivesThis study aimed to develop and validate a machine learning (ML) model to predict moderate-severe anterior bone loss (ABL) following anterior cervical disc replacement (ACDR).MethodsA retrospective review of patients undergoing ACDR or Hybrid surgery (HS) at a single center was performed. Patients diagnosed as C3-7 single- or multi-level cervical disc degenerative diseases (CDDD) with more than 2 years of follow-up and complete pre- and postoperative radiological imaging were included. An ML-based algorithm was developed to predict moderate-severe A
Поиск 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: This study aimed to evaluate the predictive performance of an artificial intelligence (AI)-based algorithm in estimating the risk of cardio-cerebrovascular complications in patients with type 2 diabetes mellitus (T2D).
METHODS: Medical records of 532 T2D patients from the Diabetology Unit in Padova, Italy, were analyzed using the Metaclinic AI Prediction Module, which estimates the probability of heart and cerebrovascular organ damage. For patients identified as "Very high" (n = 63) or "Low" (n = 122) risk for heart disease, additional clinical and instrumental data on their cardi
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.
Thyroid cancer recurrence poses a significant challenge in clinical practice, often complicating treatment outcomes and long-term patient management. This study investigates the application of multiple machine learning models-Logistic Regression, Decision Trees, Random Forest, Gradient Boosting, Support Vector Machines (SVM), and K-Nearest Neighbors (KNN)-to predict recurrence using a real-world dataset of 383 patients. Among the evaluated models, the Random Forest classifier achieved the highest accuracy of 98.26%, demonstrating a strong balance between sensitivity and specificity. To mitigat
СтатьяСравнительное 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.
While immune cell therapies have transformed cancer treatment, achieving comparable success in solid tumors remains a significant challenge compared to hematologic malignancies like non-Hodgkin lymphoma (NHL) and multiple myeloma (MM). Over the past four decades, various immunotherapeutic strategies, including tumor vaccines, tumor-infiltrating lymphocyte (TIL) therapies, and T cell receptor (TCR) therapies, have demonstrated clinical efficacy in select solid tumors, suggesting potential advantages over CAR-T and CAR-NK cell therapies in specific contexts. The dynamic nature of the cancer-immu
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.
Background/Objectives: Pulmonary arterial hypertension (PAH) is a complication of systemic sclerosis (SSc), and several screening algorithms have been proposed for the early detection of PAH in SSc. This study aimed to evaluate the predicting values of the DETECT algorithm for SSc-PAH screening in patients with SSc undergoing right heart catheterization (RHC) based on 2015 ESC/ERS echocardiographic criteria in a real-life setting. Methods: Patients fulfilling the 2013 ACR/EULAR classification criteria for SSc and with available data for PAH screening with the DETECT algorithm and the 2015 ESC/
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.
AIMS: Early identification of patients with type 2 diabetes (T2D) at high risk for complications may help reduce clinical inertia and improve care quality. This study assessed the clinical impact of integrating a machine learning-based prediction tool into electronic medical records (EMRs) in Italian diabetes clinics.
METHODS: A validated algorithm estimating the 5-year risk of six major diabetes complications was embedded in the EMRs of 38 centers. A pre-post comparison over 12 months was conducted between patients whose risk score was generated (test group) and those eligible but not assess
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: The global burden of chronic kidney disease (CKD) in elderly patients is rising, presenting significant management challenges. These patients often experience rapid cognitive and physical decline following dialysis initiation, complicating treatment decisions. Given that age alone is an insufficient criterion for identifying candidates likely to benefit from dialysis, an optimal shared decision-making model should integrate clinical parameters related to comorbid conditions, as well as patient-centered factors such as individual values and treatment preferences. Traditional model
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: Length of stay (LOS) is a substantial driver of costs following primary total knee arthroplasty (TKA), leading to increased efforts targeting same-day discharge (SDD). However, patient selection for SDD TKA remains a challenge, with 7 to 49% of patients failing to achieve planned SDD with current stratification tools. This study aimed to develop and assess multiclass machine learning (ML) models for patient selection for SDD TKA as well as risk for prolonged LOS using a large national patient cohort.
METHODS: The database was queried to identify 167,859 primary TKAs between 2017 a
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.
With the gradual deepening of coal mining, the surrounding rock pressure significantly increases, and the risk of gas release and accumulation also increases, increasing the likelihood of coal and gas outburst hazards. This study used boxplot and data interpolation method to preprocess data and used correlation to screen out highly correlated influencing factors as disaster prediction indicators. Build an initial prediction model framework using Convolutional Neural Network (CNN), optimize model hyperparameters using Chaos Mapping and Levy Flight Improved Crow Search Algorithm (ICSA), and esta
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/Objectives: The further application of high-coverage whole genome sequencing in fields such as paleogenomics, forensic investigations, and conservation genomics is impeded by two major barriers: extremely high costs and stringent sample requirements. Utilizing low-coverage sequencing offers a practical solution to these constraints; however, this approach introduces a primary challenge-the necessity to reconstruct distorted genomic information for downstream analysis. Methods: Analytical experiments conducted on low- to medium-coverage sequencing data confirmed the accuracy of sever
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: Septic shock is a severe complication of acute pancreatitis (AP), often associated with poor prognosis. This study aims to analyze the clinical characteristics of patients with acute pancreatitis and develop an interpretable early prediction model for septic shock in these patients using machine learning (ML). The model is intended to assist emergency physicians in resource allocation and medical decision making.
METHODS: Data were collected from the MIMIC-IV 3.0 database. The dataset was divided into a training set and a test set in a 7:3 ratio. Feature selection was performed us
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