BACKGROUND: Pneumonia-related hospitalization may be associated with advanced skeletal muscle loss due to aging (i.e., sarcopenia) or chronic illnesses (i.e., cachexia). Early detection of muscle loss may now be feasible using deep-learning algorithms applied on conventional chest CT.
OBJECTIVES: To implement a fully automated deep-learning algorithm for pectoralis muscle measures from conventional chest CT and investigate longitudinal associations between these measures and incident pneumonia hospitalization according to Chronic Obstructive Pulmonary Disease (COPD) status.
MATERIALS AND MET
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: Acute graft-versus-host disease (aGvHD) stands as a critical complication following haploidentical hematopoietic stem cell transplantation (haplo-HSCT). Most existing predictive models, predominantly derived from HLA-matched donor cohorts, have been utilized for nonrelapse mortality (NRM) prediction; however, their utility in predicting aGvHD risk specifically in haplo-HSCT recipients receiving antithymocyte globulin (ATG)-based prophylaxis warrants further validation.
METHODS: A total of 280 patients undergoing ATG-based haplo-HSCT were retrospectively analyzed across two medical
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: The study aimed to develop risk stratification models for diabetic peripheral neuropathy (DPN) in patients with type 2 diabetes mellitus (T2DM) using multiple machine learning algorithms, identify the optimal model, and visualize it through a nomogram, thereby providing a clinical decision-support tool for the early identification of high-risk individuals.
METHODS: A retrospective analysis was conducted on 180 inpatients diagnosed with T2DM at the Endocrinology Department of our hospital from January 2021 to September 2024, including 88 patients with DPN (48.9%) and 92 patients wi
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: Efforts toward tuberculosis management and control are challenged by the emergence of Mycobacterium tuberculosis (MTB) resistance to existing anti-TB drugs. This study aimed to explore the potential of machine learning algorithms in predicting drug resistance of four anti-TB drugs (rifampicin, isoniazid, streptomycin, and ethambutol) in MTB using whole-genome sequence and clinical data from Uganda. We also assessed the model's generalizability on another dataset from South Africa.
RESULTS: We trained ten machine learning algorithms on a dataset comprising of 182 MTB isolates with
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: With the global increase of cesarean delivery rates, the long-term effects of cesarean delivery have started to become clearer. One of the most prominent complications of cesarean delivery in recurrent pregnancies is uterine rupture. Assessing the risk of uterine rupture by accurately predicting dehiscence is very important to prevent untimely operations and/or maternal and fetal complications.
OBJECTIVE: This study aimed to assess whether machine learning can be used to predict uterine dehiscence by using patients' ultrasonographic findings, clinical findings, and demographic dat
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: Muscular dystrophies (MDs) comprise a heterogenous group of genetically inherited conditions characterized by progressive muscle weakness and increasing disability. The lack of separate diagnosis codes for Duchenne MD (DMD) and Becker MD, 2 of the most common forms of MD, has limited the conduct of DMD-specific real-world studies. OBJECTIVE: To develop and validate administrative claims-based algorithms for identifying patients with DMD and capturing their nonambulatory and ventilation-dependent status. METHODS: This was a retrospective cohort study using the statistically deidenti
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: To investigate the predictive performance of the Fetal Medicine Foundation (FMF) first-trimester screening algorithm for pre-eclampsia in a Danish population and compare screening performance with that of the current Danish strategy, which is based on maternal risk factors.
METHODS: This was a prospective study of women with a singleton pregnancy attending for their first-trimester ultrasound scan and screening for aneuploidies at six Danish university hospitals between May 2019 and December 2020. Prenatal data on maternal characteristics and medical history were recorded, and mea
Многоцентровое 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: T2DM readmission risk factors may evolve across time windows, but this dynamic remains poorly understood.
METHODS: This retrospective cohort study developed nine machine learning models to predict 30-day, 60-day, and 365-day readmission in 12,041 T2DM patients (with an additional 2,007 patients used for temporal validation of the 30-day and 60-day models). Feature selection was performed using LASSO and Boruta. SHAP analysis was used for interpretability, with temporal validation performed for short- and medium-term models.
RESULTS: ANN achieved the highest AUROC for 30-day and 6
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.
Machine learning (ML)-based methods have been proposed as a potential approach for identifying candidate drugs to be repurposed as disease-modifying treatments for Parkinson's disease (PD). We applied an ML-based signal detection method to identify drugs associated with PD and evaluated the method's generalizability. An algorithm combining subsampling and lasso logistic regression was implemented in a case-control study of 12 257 PD cases and 81 103 matched controls identified in Finnish registers. Drug exposure was defined at the subgroup and drug substance levels of the Anatomical Therapeuti
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: Sleep disorders exhibit a high prevalence among chronic pain (CP) patients, yet knowledge gaps regarding sleep disorder trajectories in older CP patients may hinder healthy aging. This study aimed to identify sleep disorder trajectories and their predictive factors, and to develop tools for predicting these trajectories using an explainable machine learning (XML) approach. METHODS: This prospective cohort study was conducted in hospitalized older adults (aged ≥ 60 years) with chronic pain. Data on general characteristics, pain level, anxiety, depression, and perceived social suppor
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.
Modeling and predicting viral mutations before they emerge plays a crucial role in pandemic preparedness, enabling the early identification of emerging variants of concern (VOCs) and guiding timely updates to vaccines, diagnostic tests, and therapeutic strategies. However, existing machine learning models and large-scale experiments lose their predictive power as viral variants evolve further from the original strains in sequence space. Here, we present a scalable framework that integrates random forest and neural network machine learning models with targeted high-throughput experimentation to
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.
Respiratory diseases are increasingly influenced by meteorological variability, yet few studies have applied high-resolution environmental data and advanced forecasting models to quantify this relationship in climate-sensitive regions such as southern China. This study aims to characterize how climate variability drives respiratory disease dynamics by quantifying the influence of meteorological factors and constructing predictive models for early intervention. It further seeks to advance climate-resilient health surveillance through the application of machine learning and time-series forecasti
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.
Prolongation of the QT interval is a known precursor to serious arrhythmias and sudden cardiac death, often triggered by medication use. Current medication risk evaluation platforms rely on literature-based synthesis and may lag behind real-world developments. We aimed to evaluate whether a machine learning (ML) model trained on real-world genomic and medication data can identify associations between drug use and QTc duration, potentially enabling automated risk detection in clinical workflows. We included 10,208 individuals from the FinnGen biobank Expansion Area 3 substudy, integrating presc
СтатьяПоддержка 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.
PURPOSE: Tacrolimus (TAC) is a calcineurin inhibitor widely used for immunosuppressive therapy. It has a narrow therapeutic window and substantial interindividual variability, making therapeutic drug monitoring (TDM) essential. Traditional population pharmacokinetic (PPK) models have limited capacity to capture complex nonlinear relationships and multifactorial interactions. This study aimed to integrate PPK and machine learning (ML) to predict TAC plasma concentration.
PATIENTS AND METHODS: A total of 182 consecutive patients with nephrotic syndrome (NS) who received oral TAC therapy and und
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 develop and temporally prospectively validate an interpretable model for identifying concurrent depressive symptoms in hospitalized patients with acute exacerbation of chronic obstructive pulmonary disease (AECOPD).
METHODS: This study was conducted in two stages: retrospective development and prospective validation. In the development stage, 304 AECOPD patients admitted to the Fourth Affiliated Hospital of Anhui Medical University from September 2023 to February 2025 were retrospectively enrolled and randomly divided into a training set (n = 214) and an internal validation set
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: Lung resection is the gold-standard treatment for early stage lung cancer, but remains associated with significant mortality, highlighting the need for accurate preoperative risk prediction. This study developed a novel model to predict 90-day mortality after lung cancer resection and compared its performance with well-established models.
METHODS: Data were extracted from the Brazilian Lung Cancer Registry, a multicentric database including 2885 patients who underwent lung resection between 2002 and 2024. Records missing more than 15% of variables or any essential variable were ex
СтатьяМногоцентровое 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.
OBJECTIVE: To compare rule-based non-fuzzy algorithm (Predictive Intelligent Control of Oxygenation (PRICO)) with adaptive algorithm (Closed-loop Inspired Oxygen (CLiO2)) for automated oxygen control in mechanically ventilated neonates.
DESIGN: Open label, randomised, crossover trial.
SETTING: Level III neonatal intensive care unit.
PATIENTS: Neonates ≤44 weeks post-menstrual age receiving invasive or non-invasive ventilation and fraction of inspired oxygen (FiO₂) ≥25%.
INTERVENTIONS: Participants randomised to one of two sequences of auto-FiO2 (CLiO2 then PRICO or PRICO then CLiO2). Each
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 objective of this study was to analyze the value of artificial intelligence algorithm-based computerized tomography (CT) image combined with serum tumor markers for diagnoses of pancreatic cancer. In the study, 68 hospitalized patients with pancreatic cancer were selected as the experimental group, and 68 hospitalized patients with chronic pancreatitis were selected as the control group, all underwent CT imaging. An image segmentation algorithm on account of two-dimensional (2D)-three-dimensional (3D) convolution neural network (CNN) was proposed. It also introduced full convolutional netw
СтатьяОтозванная публикацияПоиск 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: Clinical triage scales for prehospital recognition of large vessel occlusion (LVO) are limited by low specificity when applied by paramedics. We created the 3-step ambulance clinical triage for acute stroke treatment (ACT-FAST) as the first algorithmic LVO identification tool, designed to improve specificity by recognizing only severe clinical syndromes and optimizing paramedic usability and reliability.
METHODS: The ACT-FAST algorithm consists of (1) unilateral arm drift to stretcher <10 seconds, (2) severe language deficit (if right arm is weak) or gaze deviation/hem
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 approach to patent ductus arteriosus (PDA) remains controversial. We aim to develop an algorithm to predict ibuprofen treatment failure (TF) using machine learning (ML) techniques.
METHODS: Secondary analysis of a trial of very preterm infants receiving intravenous ibuprofen to treat PDA. A predictive model on TF was developed with ML. The impact of TF on outcomes was analyzed.
RESULTS: One hundred forty-six infants were included. ML techniques showed that a logistic regression model predicted TF with an AUC 0.65. A multiple regression model found that bronchopulmonary dyspla
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.
MedElevator
Войти в исследования