The induction of a complete conduction block of the isthmus between inferior vena cava and tricuspid annulus is considered the best predictor for lack of arrhythmia recurrence if radiofrequency catheter ablation for typical atrial flutter is performed. We evaluated a simplified algorithm to determine complete isthmus block that, in our series, had a predictive accuracy of 100% when compared with the gold standard.
Сравнительное исследованиеСтатьяПоддержка 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.
INTRODUCTION: Mandibular third molar (MTM) extractions are among the most frequent oral surgical procedures, often associated with variable surgical difficulty and postoperative complications. Artificial intelligence (AI) offers potential in predicting these outcomes to enhance preoperative planning. This study was done to evaluate the utility of AI in predicting surgical difficulty and postoperative morbidity in MTM extractions using cone-beam computed tomography (CBCT) data and patient variables.
MATERIALS AND METHODS: A cross-sectional study of 40 patients undergoing MTM extraction was con
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: The distal stent-induced new entry (distal SINE) is a life-threatening device-related complication after thoracic endovascular aortic repair (TEVAR). However, risk factors for distal SINE are not fully determined, and prediction models are lacking. This study aimed to establish a predictive model for distal SINE based on the preoperative dataset.
METHODS: Two hundred and six patients with Stanford type B aortic dissection (TBAD) that experienced TEVAR were involved in this study. Among them, thirty patients developed distal SINE. Pre-TEVAR morphological parameters were measured ba
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.
We use three-dimensional culture systems of human pluripotent stem cells for differentiation into pituitary organoids. Three-dimensional culture is inherently characterized by its ability to induce heterogeneous cell populations, making it difficult to maintain constant differentiation efficiency. That is why the culture process involves empirical aspects. In this study, we use deep-learning technology to create a model that can predict from images of organoids whether differentiation is progressing appropriately. Our models using EfficientNetV2-S or Vision Transformer, employing VENUS-coupled
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.
Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association2024eng
PURPOSE: To develop a machine-learning model to predict clinical outcomes after medial patellofemoral ligament reconstruction (MPFLR) and identify the important predictive indicators.
METHODS: This study included patients who underwent MPFLR from January 2018 to December 2022. The exclusion criteria were as follows: (1) concurrent bony procedures, (2) history of other knee surgeries, and (3) follow-up period of less than 12 months. Forty-two predictive models were constructed for 7 clinical outcomes (failure to achieve minimum clinically important difference of clinical scores, return to prei
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: Delays in admitting high-risk emergency surgery patients to the intensive care unit result in worse outcomes and increased health care costs. We aimed to use interpretable artificial intelligence technology to create a preoperative predictor for postoperative intensive care unit need in emergency surgery patients.
METHODS: A novel, interpretable artificial intelligence technology called optimal classification trees was leveraged in an 80:20 train:test split of adult emergency surgery patients in the 2007-2017 American College of Surgeons National Surgical Quality Improvement Progr
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.
INTRODUCTION: This study aimed to evaluate the validity of algorithms based on electronic health data in identifying cases of acute heart failure and acute exacerbation of chronic heart failure at multiple institutions using the Medical Information Database Network (MID-NET®) in Japan.
METHODS: Data were collected from March 8, 2021 to March 31, 2021, from the data source of three hospitals among the MID-NET® cooperating medical institutions. All Possible Cases were defined by combining ICD-10 codes related to acute heart failure and abnormal values of serum B-type natriuretic peptide (BNP) o
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: Interspinous motion (ISM) is a representative method for evaluating the functional fusion status following anterior cervical discectomy and fusion (ACDF) surgery, but the associated measuring difficulty and potential errors in the clinical setting remain concerns. The aim of this study was to investigate the feasibility of a deep learning-based segmentation model for measuring ISM in patients who underwent ACDF surgery.
METHODS: This study is a retrospective analysis of flexion-extension dynamic cervical radiographs from a single institution and a validation of a convolutional neur
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 develop an automatic segmentation algorithm integrating imaging information from computed tomography (CT), positron emission tomography (PET), and magnetic resonance imaging (MRI) to delineate target volume in head and neck cancer radiotherapy.
METHODS: Eleven patients with unresectable disease at the tonsil or base of tongue who underwent MRI, CT, and PET/CT within two months before the start of radiotherapy or chemoradiotherapy were recruited for the study. For each patient, PET/CT and T1-weighted contrast MRI scans were first registered to the planning CT using deformable and r
СтатьяПоддержка NIH: внешняя программаПолный 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: Postoperative biochemical recurrence (BCR) of prostate cancer (PCa) remains a major clinical challenge, and traditional risk assessment systems show suboptimal predictive performance for PCa recurrence. This study aimed to develop and validate interpretable machine learning (ML) models for predicting PCa postoperative recurrence by integrating multi-dimensional clinical features, and to construct a simplified and practical prognostic model for individualized risk stratification.
METHODS: A total of 320 PCa patients (125 recurrences vs. 195 non-recurrences) who underwent laparoscopi
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.
This study presents a novel computational framework for nanoparticle-assisted drug delivery in abdominal aortic aneurysm (AAA) by characterizing patient-specific hemodynamics under realistic physiological conditions with integrating an artificial neural network (ANN). The model incorporates silver (Ag) nanoparticles within a fully transient, multiphase computational fluid dynamics (CFD) environment, where pulsatile blood flow is imposed using advanced user-defined function. Blood is modeled as a non-Newtonian fluid to capture its shear-dependent rheological behavior, enabling a more accurate r
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.
BACKGROUND: Obesity is a well-established risk factor for major depressive disorder (MDD), yet the risk is not uniform, highlighting the need for precise risk stratification. This study aimed to develop a metabolomics-based prediction model to identify high-risk metabolic phenotypes among obese participants and to elucidate the causal metabolic pathways involved.
METHODS: Forty-one-thousand-four-hundred-fifty-nine obese participants were followed for a median of 14.4 years. We integrated multiple machine learning (ML) algorithms to develop predictive models for 3-, 5-, and 9-year MDD risk, wi
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.
Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver2026eng
BACKGROUND & AIMS: A significant subset of patients with acute pancreatitis (AP) who do not present with organ failure (OF) at admission nonetheless progress to severe acute pancreatitis (SAP). We aimed to develop and validate a simple scoring system to predict progression to SAP specifically in AP patients without initial OF.
METHODS: This study utilized a prospectively maintained AP database. Patients admitted without OF were included. Variable selection employed multivariable logistic regression, Boruta algorithm, and LASSO regression. A nomogram was developed, from which a simplified ACR
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.
Accurately predicting which individuals with mild cognitive impairment (MCI) will progress to Alzheimer's disease (AD) can improve patient care. This study examines the role of quantitative MRI (qMRI), cognitive evaluations, apolipoprotein [Formula: see text]4 (APOE [Formula: see text]4), and cerebrospinal fluid (CSF) biomarkers in Cox survival models to predict progression from MCI to AD. Data from 564 participants in the ADNI study, who transitioned from MCI to AD, were analyzed. The data set included 330 features encompassing qMRI, cognitive assessments, CSF biomarkers, and APOE [Formula: s
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.
BACKGROUND: Pressure injuries are a significant and preventable complication in critically ill patients, especially in those admitted to intensive care units (ICUs) following orthopaedic, gastrointestinal and neurosurgical procedures.
AIM: This study aimed to evaluate the predictive accuracy of commonly used pressure injury risk assessment tools (Braden, modified Braden, Waterlow and Cubbin-Jackson scales) and to compare their performance with machine learning based predictive models among patients admitted to the surgical ICU.
STUDY DESIGN: This prospective, single-centre cohort was conduct
СтатьяСравнительное 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: Although numerous studies have examined risk factors and prevention strategies for running-related injuries, few have rigorously tested predictive models.
OBJECTIVE: To describe injury patterns throughout marathon training and assess the feasibility of machine learning (ML) models in predicting upcoming weekly running injury status during marathon training with activity logs and runner-reported survey data.
DESIGN: In this prospective observational study, participants completed baseline surveys, 16 weekly interval surveys during marathon training, and shared GPS watch and smartph
СтатьяНаблюдательное 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.
Paediatric cardiology presents challenges due to the rarity and complexity of conditions like congenital heart disease. Using retrospective electronic healthcare records from 1,522 Great Ormond Street Hospital cases, we benchmark machine learning models to predict length of stay and retrieve similar patient cases. BioClinical-BERT is used for embedding-based retrieval, while a Random Forest model achieves the best length of stay prediction accuracy (0.88 ± 0.02), outperforming clinicians. The Random Forest model shows mean precision and sensitivity of 0.77 ± 0.03 and 0.76 ± 0.04 during NHS
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.
Adverse birth outcomes such as low birth weight (LBW) increase the risk of metabolic disorders and hypertension later in life. Although previous studies have examined obstetric factors or environmental exposures in relation to LBW, few have assessed both simultaneously. This study employed cohort data to predict LBW using machine learning (ML) algorithms that integrate maternal characteristics and environmental factors. We analyzed nationwide prospective birth cohort data from the Korean CHildren's ENvironmental health Study (Ko-CHENS). A total of 47 variables were evaluated using nine ML mode
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: Embryo selection remains one of the most critical determinants of IVF success. Conventional embryo grading relies primarily on morphological assessment and is subject to inter-observer variability and limited predictive accuracy. Recent advances in AI have enabled non-invasive systems to analyze embryological and morphokinetic features, improving embryo selection and reproductive outcomes.
OBJECTIVE: To evaluate the clinical effectiveness of an AI-based non-invasive embryo selection system and develop predictive models for IVF outcomes among patients undergoing assisted reproducti
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: Prognostic evaluation of pediatric hepatoblastoma (HB) remains challenging due to the low accuracy of traditional risk stratification models. This study aims to leverage the U.S. Surveillance, Epidemiology, and End Results (SEER) database to develop and compare several machine learning-based survival models and create an online prediction tool for individualized survival probability estimation in children with HB.
METHODS: A total of 614 pediatric HB patients diagnosed from 2000 to 2021 in the SEER database were identified and randomly split (7:3 ratio) into a training set (n = 42
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