BACKGROUND: Atrial fibrillation (AF) is a major risk factor for atherothrombotic complications but is often asymptomatic and undiagnosed. This study aimed to develop a machine learning model to distinguish between individuals with low and high risk of AF, using routinely collected diagnostic data from Swedish primary health care. METHODS: Cases (n = 42,607, aged ≥ 45 years) with diagnosed new onset AF and controls (n = 427,169) matched by age and sex. Machine learning models stratified for age (45–69 and ≥ 70 years) and sex were developed using stochastic gradient boosting, based on number of
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: Internet addiction and maladaptive cognitive emotion regulation may co-occur in later life, yet evidence-based approaches for identifying this co-occurrence remain limited. This study developed and interpreted a machine learning classifier to distinguish community-dwelling older adults with versus without current co-occurrence. A cross-sectional survey was conducted among 1,471 adults aged 60 years or older in China. Candidate predictors included demographic characteristics, general well-being, family functioning, and social support.
METHODS: After preprocessing, correlation-based
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: Oral anticoagulation is increasingly used in elderly patients with atrial fibrillation to prevent embolic phenomena. The use of anticoagulants in this population is prophylactic rather than therapeutic and so there is no urgency to establish anticoagulation within the desired therapeutic range. The aim of the study was to develop an out-patient regimen for initiation of oral anticoagulation with warfarin which requires only weekly monitoring of the International Normalized Ratio (INR).
METHODS: The study was undertaken in two phases. In the first phase, factors which predict the final m
Клиническое исследованиеСравнительное исследованиеСтатьяПоиск 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 diagnosis of metabolic dysfunction-associated steatotic liver disease (MASLD) in non-obese individuals presents a significant challenge, and its early identification is of considerable public health importance. This study aimed to develop and validate interpretable machine learning models using routine clinical parameters to identify MASLD in this specific population.
METHODS: Data from 768 non-obese subjects were analyzed. The dataset was randomly split into training (n = 615, 80%) and testing (n = 153, 20%) sets using stratified sampling. LASSO regression was performed withi
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: Accurate self-perception of interaural hearing asymmetry is crucial for clinical decision-making and communication strategies, yet the relationship between objective audiometric patterns and subjective awareness remains poorly characterized. Using nationally representative data from the U.S. National Health and Nutrition Examination Survey, this study employed a machine learning approach to model the probability that an individual's self-reported "better-hearing" ear matches the audiometrically defined one.
METHODS: A Light Gradient Boosting Machine classifier was train
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: The prevalence of post-traumatic stress disorder (PTSD) among South Korean firefighters is likely to be under-reported because of stigma and defensive attitudes. We aimed to develop a machine learning-based classification model, named Firefighter PTSD Latent Risk Evaluation (FLARE), to identify firefighters at risk of probable PTSD based on demographic and clinically relevant psychosocial features.
METHODS: We analyzed data from 52,428 firefighters, including 2,305 with probable PTSD and 50,123 without PTSD, as assessed using the PTSD Checklist for DSM-5. Various clinical and occu
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.
OBJECTIVE: To establish a machine learning (ML) model for the early diagnosis of Epstein-Barr virus-associated hemophagocytic lymphohistiocytosis (EBV-HLH) based on clinical features and to utilize the Shapley Additive Explanations (SHAP) method to interpret the ML model, thereby providing reliable factors for diagnosing EBV-HLH.
METHODS: We collected clinical data from 1,026 children with Epstein-Barr virus (EBV) infection who were hospitalized at Children's Hospital of Soochow University from October 2017 to September 2024. First, we compared the clinical data of Epstein-Barr virus-associat
СтатьяВалидационное 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: Diabetes-related lower extremity complications, such as foot ulceration and amputation, are on the rise, currently affecting nearly 131 million people worldwide. Methods for early detection of individuals at high risk remain elusive. While data-driven diabetic polyneuropathy algorithms exist, high-performing, clinically useful tools to assess risk are needed to improve clinical care.
OBJECTIVE: This study aimed to develop an electronic medical record-based machine learning algorithm that would predict lower extremity complications.
METHODS: We conducted a retrospective longitudin
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: Parathyroidectomy offers the only cure for primary hyperparathyroidism, but today only 50% of primary hyperparathyroidism patients are referred for operation, in large part, because the condition is widely under-recognized. The diagnosis of primary hyperparathyroidism can be especially challenging with mild biochemical indices. Machine learning is a collection of methods in which computers build predictive algorithms based on labeled examples. With the aim of facilitating diagnosis, we tested the ability of machine learning to distinguish primary hyperparathyroidism from normal phy
СтатьяПоддержка NIH: внешняя программаПоиск 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 recently reported dermal absorption and toxicity potential of industrial chemicals is reconsidered using an alternative physicochemically based model of skin penetration. In this model, the outermost, and least permeable, component of the skin [namely, the stratum corneum (SC)] is considered to provide only a lipoidal transport pathway into the body for chemicals that come into contact with the skin. The predictive algorithm of the model is biophysically compatible with known SC properties, and is based on experimental determinations of permeability coefficients through human skin in vitro
СтатьяПоддержка 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.
Artificial intelligence (AI) platforms and machine learning (ML) algorithms provide the ability to utilize large amounts of electronically available data and leverage them to augment physicians' risk assessment and predictive abilities. These tools allow for refinement and/or reimagination of current tools aimed at predicting and optimizing outcomes in the perioperative period. In this section, we review AI and ML construction and implementation, the current state of predictive model use in surgical patients during the perioperative period, and discuss opportunities for integration into clinic
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.
Artificial intelligence (AI) has revolutionized urology, offering transformative advancements in diagnostics, treatment planning and patient care. This update highlights AI applications in diagnostic imaging, benign urological conditions, uro-oncology, urologic surgeries and patient monitoring. AI algorithms including machine learning (ML) and deep learning (DL) enhance non-oncological applications include predicting ureteral stone passage (accuracy: 85%) and optimizing benign prostatic hyperplasia (BPH) management. In uro-oncology, AI predicts biochemical recurrence post-prostatectomy (accura
СтатьяОбзорПоиск 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: Colonoscopy plays a vital role in assessing disease activity in ulcerative colitis (UC), and biopsy via colonoscopy helps to evaluate its histological activity. Endoscopists must report the endoscopic activity and rely on the biopsy results to predict the histological activity.
METHODS: We aimed to develop a deep learning-based algorithm to evaluate the disease and histological activities of UC based on white-light endoscopic images obtained during the procedure in this research. A deep learning system for classifying the colonoscopic images for assessing the endoscopic and histol
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 develop and externally validate novel, data-driven algorithms that are based on appropriate variable selection methods for identifying patients with Behçet's disease in Japan.
METHODS: This retrospective cross-sectional study included 13,538 patients from six tertiary hospitals (November-December 2023). One year of claims data was linked to chart-confirmed Behçet's disease diagnoses. Patients were randomly divided into training (n = 8,811) and test (n = 3,775) sets, with external validation (n = 952) from another hospital. Feature selection among Behçet's disease-coded patients
СтатьяВалидационное 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 AND AIMS: Transcatheter Aortic Valve Implantation (TAVI) has revolutionized the treatment of severe aortic stenosis. Although its clinical efficacy is well established, the development of new-onset left bundle branch block (LBBB) following TAVI remains a frequent and concerning complication. This study aims to develop pre-implantation predictive models for new-onset LBBB after TAVI using both conventional machine learning (ML) algorithms and Large Language Models (LLMs).
METHODS: Of the 1113 patients who underwent TAVI over a 15-year period, 469 were included after excluding those
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.
Glycogen storage disease (GSD) is a group of rare inherited metabolic disorders characterized by abnormal glycogen storage and breakdown. These disorders are caused by mutations in G6PC1, which is essential for proper glucose storage and metabolism. With the advent of continuous glucose monitoring systems, development of algorithms to analyze and predict glucose levels has gained considerable attention, with the aim of preemptively managing fluctuations before they become problematic. However, there is a lack of research focusing specifically on patients with GSD. Therefore, this study aimed t
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 aimed to develop a predictive model using a random forest algorithm to determine the likelihood of postoperative adhesive small bowel obstruction (ASBO) in infants under 3 months with intestinal malrotation.
METHODS: A machine learning model was used to predict postoperative adhesive small bowel obstruction using comprehensive clinical data extracted from 107 patients with a follow-up of at least 24 months. The Boruta algorithm was used for selecting clinical features, and nested cross-validation tuned and selected hyper-parameters for the random forest model. The model'
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.
Accurately estimating the solubility of drugs in supercritical carbon dioxide (SCCO₂) still represents a major difficulty in drug formulation, separation processes, and green technologies. Traditional empirical and semi-empirical methods usually have a hard time representing the complex non-linear interactions that determine solubility under different thermodynamic conditions (e.g., T and P), which, in turn, restricts their applicability and predictive consistency. This study presents an ensemble framework that combines three machine learning regressors, namely, Extreme Gradient Boosting Regre
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.
OBJECTIVES: In orthognatic surgery, one of the primary determinants for reliable three-dimensional virtual surgery planning (3D VSP) and an accurate transfer of 3D VSP to the patient in the operation room is the condylar seating. Incorrectly seated condyles would primarily affect the accuracy of maxillary-first bimaxillary osteotomies as the maxillary repositioning is dependent on the positioning of the mandible in the cone-beam computed tomography (CBCT) scan. This study aimed to develop and validate a novel tool by utilizing a deep learning algorithm that automatically evaluates the condylar
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.
Cytokine-induced neutrophil chemoattractant 1 (CINC-1), a cluster of differentiation 95 (CD95), fractalkine, and T-cell immunoglobulin and mucin domain 1 (TIM-1) are circulating proteins known to be involved in inflammation. While their roles have been studied in neurological conditions and cardiovascular diseases, their potential as peripheral artery disease (PAD) biomarkers remain unexplored. We conducted a cross-sectional diagnostic study using data from 476 recruited patients (164 without PAD and 312 with PAD). Plasma levels of CINC-1, CD95, fractalkine, and TIM-1 were measured at baseline
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.
MedElevator
Войти в исследования