OBJECTIVES: Sarcopenic obesity (SO), characterized by the coexistence of obesity and sarcopenia, is an increasingly prevalent condition in aging populations, associated with numerous adverse health outcomes. We aimed to identify and validate an explainable prediction model of SO using easily available clinical characteristics.
SETTING AND PARTICIPANTS: A preliminary cohort of 1,431 participants from three community regions in Ziyang city, China, was used for model development and internal validation. For external validation, we utilized data from 832 residents of multi-center nursing homes.
СтатьяМногоцентровое исследованиеВалидационное 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.
This study investigates the relationship between obesity and common biochemical markers, focusing on renal function indicators, using machine learning models to diagnose body mass index (BMI) and identify clinically relevant markers associated with it. Data from 4236 individuals in the 2017-2018 National Health and Nutrition Examination Survey dataset were used for model development, and 4748 individuals from the 2015-2016 National Health and Nutrition Examination Survey dataset were used for external validation. We explored the use of decision trees, balanced random forest (BRF), extreme grad
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.
Burkitt Lymphoma (BL) is an aggressive B-cell non-Hodgkin lymphoma. Recurrent BL has extremely poor prognosis, and does not have a standard treatment option. Although the disease pathology is well characterized, there is currently a lack of research specifically on predictive modeling of BL recurrence. We developed a deep learning (DL) model, BLIMP (Burkitt Lymphoma multI-Modal recurrence Predictor) to predict BL recurrence by combining clinical, gene expression, and mutation data, utilizing a cohort of 184 patients from a publicly available dataset. Our approach achieved an AUC of 0.788 on a
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.
Glaucoma is a pathologically irreversible eye illness in the realm of ophthalmic diseases. Because it is difficult to detect concealed and non-obvious progressive changes, clinical diagnosis and treatment of glaucoma is extremely challenging. At the same time, screening and monitoring for glaucoma disease progression are crucial. Artificial intelligence technology has advanced rapidly in all fields, particularly medicine, thanks to ongoing in-depth study and algorithm extension. Simultaneously, research and applications of machine learning and deep learning in the field of glaucoma are fast ev
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.
BACKGROUND: Depression in Parkinson's disease (dPD) is common and heterogeneous, impairs quality of life, and may accelerate disease progression. Tools that predict long-term dPD progression are lacking.
METHODS: We retrospectively analyzed de novo, drug-naïve Parkinson's disease (PD) participants in the Parkinson's Progression Markers Initiative (PPMI; 2011-2024). The primary outcome was depressive progression, defined as a sustained worsening in Geriatric Depression Scale-15 (GDS-15) category over 12 months. Candidate predictors included demographic, motor, and non-motor variables at both 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.
Background and Purpose. Although radiotherapy techniques are a primary treatment for head and neck cancer (HNC), they are still associated with substantial toxicity and side effects. Machine learning (ML) based radiomics models for predicting toxicity mostly rely on features extracted from pre-treatment imaging data. This study aims to compare different models in predicting radiation-induced xerostomia and sticky saliva in both early and late stages HNC patients using CT and MRI image features along with demographics and dosimetric information.Materials and Methods.A cohort of 85 HNC patients
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.
BACKGROUND: Coronary heart disease (CHD) with concomitant tumors is increasingly prevalent and is associated with a higher mortality. We aimed to develop 2 predictive models to enable early identification of tumor risk in patients with CHD and mortality risk in those with CHD and cancer.
METHODS: We analyzed 134 141 patients with CHD treated at Tongji Hospital (Huazhong University of Science and Technology, Wuhan, Hubei, China) during 2001 to 2023. Data collected from the First Hospital of Peking University (Beijing, China) were used for external validation. We developed and evaluated 6 machi
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.
Ultrasensitive multimodal physicochemical sensing for autonomous robotic decision-making has numerous applications in agriculture, security, environmental protection, and public health. Previously reported robotic sensing technologies have primarily focused on monitoring physical parameters such as pressure and temperature. Integrating chemical sensors for autonomous dry-phase analyte detection on a robotic platform is rather extremely challenging and substantially underdeveloped. Here, we introduce an artificial intelligence-powered multimodal robotic sensing system (M-Bot) with an all-printe
СтатьяПоддержка правительства СШАПоддержка NIH: внешняя программаПоддержка 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.
Septic patients in the intensive care unit (ICU) often develop sepsis-associated delirium (SAD), which is strongly associated with poor prognosis. The aim of this study is to develop a machine learning-based model for the early prediction of SAD. Patient data were extracted from the Medical Information Mart for Intensive Care IV (MIMIC-IV) database and the eICU Collaborative Research Database (eICU-CRD). The MIMIC-IV data were divided into a training set and an internal validation set, while the eICU-CRD data served as an external validation set. Feature variables were selected using least abs
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.
BACKGROUND: Since the outbreak of the coronavirus disease (COVID-19) in 2019, caused by SARS-CoV-2, the disease has become a global health threat due to its high infectivity, morbidity, and mortality rates. With China's comprehensive relaxation of pandemic control policies in 2022, the risk of infection for nursing personnel has further increased.
OBJECTIVES: This study aims to identify risk factors associated with depression among nursing staff during the full reopening of COVID-19 in China in 2022 and to construct a predictive model to assess the risk.
METHODS: From December 9, 2022, to Ap
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.
Elucidating the mechanisms by which late-life neurodegeneration causes cognitive decline requires understanding why some individuals are more resilient than others to the effects of brain change on cognition (cognitive reserve). Currently, there is no way of measuring cognitive reserve that is valid (e.g. capable of moderating brain-cognition associations), widely accessible (e.g. does not require neuroimaging and large sample sizes), and able to provide insight into resilience-promoting mechanisms. To address these limitations, this study sought to determine whether a machine learning approac
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: Understanding the factors contributing to mental well-being in youth is a public health priority. Self-reported enthusiasm for the future may be a useful indicator of well-being and has been shown to forecast social and educational success. Typically, cross-domain measures of ecological and health-related factors with relevance to public policy and programming are analyzed either in isolation or in targeted models assessing bivariate interactions. Here, we capitalize on a large provincial data set and machine learning to identify the sociodemographic, experiential, behavioral, and
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.
BACKGROUND: Infertility, defined as the inability to conceive after 12 months of regular unprotected sexual intercourse, is an important public health concern with significant social, psychological, and marital consequences. In this study, infertility was based on self-reported time to conception rather than clinical diagnosis; no clinical examination or male factor assessment was conducted, and outcome misclassification is therefore possible. Despite its importance, community-based evidence in Ethiopia remains limited. This study aimed to estimate the prevalence of infertility, identify facto
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: Despite emerging research on clinical predictors of cognitive frailty (CF), no studies have yet leveraged radiomic methods to characterize this high-risk geriatric syndrome, creating a critical gap in neurostructural biomarker integration for early detection. This study aims to develop and validate machine learning models for predicting cognitive frailty in the elderly using MRI radiomics and clinical risk factors. METHODS: This retrospective study analyzed 173 patients undergoing brain MRI at our institution (April 2016–December 2021), categorized into cognitive frailty (CF, n = 8
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: Low back pain (LBP) is a leading cause of disability worldwide and disproportionately affects women, particularly after menopause. However, evidence on the prevalence and associated factors of LBP among postmenopausal women in low- and middle-income countries remains limited. This study aimed to estimate the past-year prevalence of LBP among postmenopausal women attending selected rehabilitation and physiotherapy facilities in Bangladesh, examine factors associated with LBP, and evaluate the internal classification performance of machine learning models.
METHODS: A clinic-based cr
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: Data sciences and artificial intelligence are becoming encouraging tools in assisted reproduction, favored by time-lapse technology incubators. Our objective is to analyze, compare and identify the most predictive machine learning algorithm developed using a known implantation database of embryos transferred in our egg donation program, including morphokinetic and morphological variables, and recognize the most predictive embryo parameters in order to enhance IVF treatments clinical outcomes.
METHODS: Multicenter retrospective cohort study carried out in 378 egg donor recipients w
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.
BACKGROUND: The purpose of the current study was (1) to analyze various factors that may be associated with the outcomes of Legg-Calvé-Perthes disease (LCPD), and (2) to develop and internally validate machine learning algorithms capable of providing patient-specific predictions of which patients with LCPD will achieve relevant improvement in radiologic outcomes after proximal femoral varus osteotomy (PFVO). We examined several variables, previously identified as factors, that may influence the outcome of LCPD and developed a machine learning algorithm based on them.
METHODS: In this retrospe
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.
Sleep disorders have become a significant health concern in modern society. To investigate and diagnose sleep disorders, sleep analysis has emerged as the primary research method. Conventional polysomnography primarily relies on cerebral electroencephalography (EEG) and electromyography (EMG) for sleep stage scoring, but manual scoring is time-consuming and subjective. This study investigated the potential application of cerebellar EEG combined with machine learning in automatic sleep stage classification. Twenty-five male mice underwent 24-h cerebral EEG/cerebellar EEG/EMG recording, and manu
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.
PURPOSE: To develop and validate a multimodal deep-learning model for predicting postoperative vault height and selecting implantable collamer lens (ICL) sizes using anterior segment optical coherence tomography (AS-OCT) and ultrasound biomicroscopy (UBM) images combined with clinical features.
SETTING: West China Hospital, Sichuan University, Chengdu, Sichuan, China.
DESIGN: Deep-learning study.
METHODS: 626 AS-OCT and 1309 UBM images from 209 eyes of 105 participants with ICL V4c implantation were used. Features were extracted using a convolutional neural network (ResNet50) and combined w
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.
Organoids are carrying the promise of modeling complex disease phenotypes and serving as a powerful basis for unbiased drug screens, potentially offering a more efficient drug-discovery route. However, unsolved technical bottlenecks of reproducibility and scalability have prevented the use of current organoids for high-throughput screening. Here, we present a method that overcomes these limitations by using deep-learning-driven analysis for phenotypic drug screens based on highly standardized micropattern-based neural organoids. This allows us to distinguish between disease and wild-type pheno
СтатьяПоддержка исследования: вне правительства СШАПоддержка 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.
MedElevator
Войти в исследования