BACKGROUND: Both physical activity (PA) and sports participation (SP) are considered important for the promotion of health among adults in the post-disease outbreak period. In the context of the COVID-19 pandemic, the study applied the Socio-ecological Model, with a total of 45 factors on four levels: individual characteristics, individual behaviors, interpersonal relationships, and community environment. The aim was to apply interpretable machine learning algorithms in the examination of common and distinct determinants of PA and SP with the purpose of deriving specific insights relevant to p
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: Metabolic syndrome (MetS) progression involves distinct trajectory states, including newly-developed (ND-MetS), recovered (R-MetS), and persistent MetS (P-MetS), each associated with different cardiovascular disease (CVD) risk profiles. The transition to incident MetS represents a critical window for early dietary intervention, as subclinical metabolic deterioration often precedes clinical recognition. However, the predictive value of dietary quality relative to biochemical and genetic markers within integrated machine learning frameworks remains poorly characterized in longitudina
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: Parkinson's disease (PD) is a neurodegenerative disorder characterized by neuron loss and abnormal protein trafficking. Dysregulation of vesicle-mediated transport contributes to pathogenesis, but its diagnostic value and immune associations are unclear.
METHODS: Transcriptomic data from GEO datasets (GSE20141, GSE20163, GSE7621) were analyzed. Differentially expressed vesicle-mediated transport-related genes were identified. Machine learning algorithms (least absolute shrinkage and selection operator, random forest, extreme gradient boosting) were integrated to select robust diag
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.
This study aims to develop a machine-learning model using electronic medical records to predict postoperative complications after radical gastrectomy for gastric cancer. Data from 4892 patients who underwent the procedure between January 2012 and March 2022 were analyzed. Complications were defined as grade 1 or higher according to the Clavien-Dindo classification. Thirty-two predictors identified from previous research were matched to electronic medical records. After preprocessing, 5 machine-learning models-logistic regression, random forest, extreme gradient boosting, CatBoost, and multilay
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.
This study develops a dual-level machine learning framework for risk stratification and phenotyping of hearing loss (HL) in patients with chronic kidney disease (CKD) using data from the National Health and Nutrition Examination Survey (NHANES). From a cohort of 3,402 CKD patients, feature selection via univariate and multivariate logistic regression identified key predictors, which were used to construct predictive models with nine machine learning algorithms. The eXtreme Gradient Boosting (XGBoost) model demonstrated superior performance, with mean area under the curve (AUC) values of 0.984
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.
Predicting live birth after the first IVF/ICSI treatment is challenging, as many factors may interact to affect IVF/ICSI outcomes. Adenomyosis is one factor that impacts live birth rates. Machine learning algorithms have been shown valuable for detecting complex dependencies and predicting outcomes in different clinical settings. We aimed to develop a prediction model for live birth after IVF/ICSI treatment, using the Extreme Gradient Boosting (XGBoost) algoritm and incorporating the revised Morphological Uterus Sonographic Assessment (MUSA) group features of adenomyosis. We used a machine lea
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 investigated how kinematic features could be used to predict soccer penalty kicks, using machine learning to improve goalkeeper anticipation. Fifteen right-foot-dominant male players participated in standardised assessments, with the goal area divided into six sections. Motion capture collected 3D kinematic data from 10 frames before support foot contact to ball strike. Class imbalance was addressed using the Synthetic Minority Oversampling Technique (SMOTE), and four machine learning classifiers, eXtreme Gradient Boosting (XGBoost), Random Forest (RF), Decision Tree (DT), and Artif
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: Several omics studies have been completed in recent years, with the goal of identifying biomarkers of complex multifactorial diseases, such as bronchopulmonary dysplasia (BPD).
OBJECTIVE: To evaluate the performance of 3 distinct omics platforms, using a machine learning pipeline with integration of sparse, reliable and adaptive biomarker identification (Stabl).
METHODS: Using a well-characterized birth cohort, cord blood metabolomics, proteomics and adductomics data were integrated with Least Absolute Shrinkage and Selection Operator (LASSO) regression and Stabl, to evaluate pre
СтатьяПрепринтПолный 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 COVID-19 pandemic has placed immense pressure on global healthcare systems, underscoring the urgent need for early and accurate prediction of disease severity to improve patient care and optimize resource allocation. Failure in ward allocation can lead to wasted hospital resources and inadequate treatment. This study analyzes data from 806 COVID-19 patients admitted to the emergency room of Chungbuk National University Hospital, Korea, between January 2021 and December 2022, to develop machine learning models that predict which patients should be prioritized for intensive care unit (ICU) p
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.
BACKGROUND: Bipolar disorder (BD) is a highly recurrent disorder. Early detection, early intervention, and prevention of recurrent bipolar mood symptoms are key to a better prognosis.
OBJECTIVE: This study aims to build prediction models for BD with machine learning algorithms.
METHODS: This study recruited 24 participants with BD. The Beck Depression Inventory and Young Mania Rating Scale were used to evaluate depressive and manic episodes, respectively. Using digital biomarkers collected from wearable devices as input, 6 machine learning algorithms (logistic regression, decision tree, k-ne
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.
BACKGROUND: The phantom sound of tinnitus can be an extremely debilitating condition. The thalamocortical dysrhythmia (TCD) hypothesis is a feature of subjective tinnitus; however, its consistency in characterizing different types of tinnitus remains unclear.
METHOD: We compared theta-beta/gamma coupling in multichannel EEG recordings from subjects with bothersome tinnitus (BT), non-bothersome tinnitus (NBT), and healthy controls (HC). Additionally, we used these EEG features to distinguish BT from NBT by employing the k-nearest neighbor (KNN) model.
RESULTS: Theta-beta/gamma phase-amplitude
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 essential need to identify the most informative sources of greenhouse gas emissions (climate change drivers) impacting the food security nexus in Africa requires a comprehensive and holistic approach. Machine learning method excels in the identification of single-variable importance, our study complements their abilities by deriving principal components using principal component analysis (PCA) to give a significant understanding of the three primary greenhouse gases (carbon dioxide (CO₂), methane (CH₄), and nitrous oxide (N₂O)). We used data from FAO concerning Africa from 2000 to 2021. Fo
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.
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.
Accurate assessment of post-stroke deficits is crucial in translational research. Recent advances in machine learning offer precise quantification of rodent motor behavior post-stroke, yet detecting lesion-specific upper extremity deficits remains unclear. Employing proximal middle cerebral artery occlusion (MCAO) and cortical photothrombosis (PT) in mice, we assessed post-stroke impairments via the Staircase test. Lesion locations were identified using 7 T-MRI. Machine learning was applied to reconstruct forepaw kinematic trajectories and feature analysis was achieved with MouseReach, a new d
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.
This study aimed to predict arginine vasopressin deficiency (AVP-D) following transsphenoidal pituitary adenoma surgery using machine learning algorithms. We reviewed 452 cases from December 2013 to December 2023, analyzing clinical and imaging data. Key predictors of AVP-D included sex, tumor height, preoperative and postoperative changes in sellar diaphragm height and pituitary stalk length, preoperative ACTH levels, changes in ACTH levels, and preoperative cortisol levels. Six machine learning algorithms were tested: logistic regression (LR), support vector classification (SVC), random fore
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.
OBJECTIVE: This study aimed to use machine learning to evaluate the risk factors of seizures and develop a model and nomogram to predict seizures in children with coronavirus disease 2019 (COVID-19).
MATERIAL AND METHODS: A total of 519 children with COVID-19 were assessed to develop predictive models using machine learning algorithms, including extreme gradient boosting (XGBoost), random forest (RF) and logistic regression (LR). The performance of the models was assessed using area under the receiver operating characteristic curve (AUC) values. Importance matrix plot and SHapley Additive exP
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.
This study aimed to predict preterm birth in nulliparous women using machine learning and easily accessible variables from prenatal visits. Elastic net regularized logistic regression models were developed and evaluated using 5-fold cross-validation on data from 8,830 women in the Nulliparous Pregnancy Outcomes Study: New Mothers-to-Be (nuMoM2b) dataset at three prenatal visits: 6 0 - 13 6 , 16 0 - 21 6 , and 22 0 - 29 6 weeks of gestational age (GA). The models' performance, assessed using Area Under the Curve (AUC), sensitivity, specificity, and accuracy, consistently improved with the
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.
Diabetic peripheral neuropathy (DN) is a serious complication of diabetes mellitus (DM) that can lead to foot ulceration and eventual amputation if not treated properly. Therefore, detecting DN early is important. This study presents an approach for diagnosing various stages of the progression of DM in lower extremities using machine learning to classify individuals with prediabetes (PD; n = 19), diabetes without (D; n = 62), and diabetes with peripheral neuropathy (DN; n = 29) based on dynamic pressure distribution collected using pressure-measuring insoles. Dynamic plantar pressure measureme
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.
Myocardial injury after non-cardiac surgery (MINS) is strongly associated with postoperative outcomes. We developed a prediction model for MINS and have provided it online. Between January 2010 and June 2019, a total of 6811 patients underwent non-cardiac surgery with normal preoperative level of cardiac troponin (cTn). We used machine learning techniques with an extreme gradient boosting algorithm to evaluate the effects of variables on MINS development. We generated two prediction models based on the top 12 and 6 variables. MINS was observed in 1499 (22.0%) patients. The top 12 variables in
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.
Ankylosing spondylitis (AS) is an immune-mediated inflammatory disorder that primarily affects the axial skeleton, especially the sacroiliac joints and spine. This results in chronic back pain and, in extreme cases, ankylosis of the spine. Despite its debilitating effects, the pathogenesis of AS remains to be further elucidated. This study used single cell CITE-seq technology to analyze peripheral blood mononuclear cells (PBMCs) in AS and in healthy controls. We identified a number of molecular features associated with AS. CD52 was found to be overexpressed in both RNA and surface protein expr
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.
MedElevator
Войти в исследования