BACKGROUND: Spread through air spaces (STAS) in lung adenocarcinoma (LUAD) is associated with adverse outcomes and may have implications for surgical planning. We aimed to develop and externally validate an ensemble machine learning model integrating preoperative computed tomography (CT) radiomics and clinicoradiological (CR) features for the prediction of STAS.
METHODS: This multicenter retrospective study included 1,206 patients with stage I LUAD from three centers, of whom 384 had STAS-positive tumors. Patients from two centers were divided into a training set (n=675) and an internal test
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 systematically evaluate training sample size adequacy in externally validated machine learning (ML)-based radiomics models published in high-impact journals and quantify the gap between current practice and theoretical minimum requirements.
MATERIALS AND METHODS: This study followed a prespecified and publicly archived protocol. Original research articles published between January 2023 and August 2025 in first quartile (Q1) journals were evaluated. Study selection followed a randomized dynamic screening protocol with a priori power-calculated stopping rule to determine the final
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: Acute kidney injury (AKI) is a frequent and clinically important complication after polytrauma, but early risk stratification remains challenging because conventional diagnostic criteria depend on delayed changes in serum creatinine and urine output. This study aimed to develop and interpret an early prediction model for incident AKI in adult ICU patients with polytrauma using routinely available data from the first 6 h after ICU admission.
METHODS: We conducted a retrospective observational study using MIMIC-IV as the primary development and internal validation dataset. Incident 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.
INTRODUCTION: Preterm birth (PTB) remains a leading cause of neonatal morbidity and mortality worldwide, yet accurate and clinically applicable risk prediction tools during mid-pregnancy are still limited.
METHODS: We developed a machine learning-based model to predict PTB risk using routinely collected clinical and laboratory data obtained during mid-pregnancy. In a derivation cohort, candidate predictors were selected using least absolute shrinkage and selection operator (LASSO) regularization, followed by training and comparison of multiple machine learning algorithms. A light gradient boo
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 kidney injury (AKI) is a common and severe complication of sepsis and is often associated with a poor prognosis. However, there is still a lack of an effective prediction model for early identification of AKI progression in critical septic patients, defined as AKI stage 1 or 2 to stage 3 within 7 days after diagnosis of sepsis-associated AKI (SA-AKI).
METHODS: We extracted the clinical data of patients with SA-AKI from the Medical Information Mart for Intensive Care (MIMIC) datasets, eICU Collaborative Research Database (eICU-CRD) and Salzburg Intensive Care database (SICdb)
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.
The proliferation of Internet of Things (IoT) devices has created a critical demand for highly energy-efficient and timing-accurate Very Large-Scale Integration (VLSI) circuits. Traditional simulation and modeling techniques often fall short in capturing real-time performance metrics, particularly under dynamic operating conditions and process variations. Digital Twin (DT) technology has emerged as a transformative approach, enabling real-time mirroring and prediction of physical systems. However, classical DT frameworks are computationally limited when simulating complex VLSI behaviors involv
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.
Gastric cancer (GC) remains a major cause of cancer-related mortality worldwide. Increasing evidence suggests that metabolic reprogramming contributes to GC progression, yet the prognostic significance of uric acid metabolism-related genes in GC remains unclear. This study aimed to characterize uric acid metabolism-related genes with prognostic and pharmacological relevance in gastric cancer and to explore their potential value for risk stratification and drug-response prediction. Differentially expressed genes between tumor and normal tissues were obtained from public databases and intersecte
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 investigate the conditional predictive value of prebiopsy clinical variables and magnetic resonance imaging (MRI) features for maximum cancer involvement of >50% in a single biopsy core among patients diagnosed with prostate cancer at initial systematic biopsy and to compare the internally validated performance of different machine learning models.
METHODS: This retrospective study included patients diagnosed with prostate cancer at initial systematic biopsy at the First Affiliated Hospital of Dali University between April 2023 and February 2026. Clinical, imaging, and combined
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 accelerating aging of the population, the number of elderly patients with lung cancer continues to increase. Although surgery remains an important treatment modality for lung cancer, early recurrence (ER) is still a major factor affecting long-term survival in elderly patients.
PURPOSE: This study aimed to integrate peripheral blood T-lymphocyte subset indicators with clinicopathological characteristics to develop and externally validate a machine learning-based prediction model for ER in elderly patients with lung cancer.
METHODS: This study was designed as a multicente
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: Gestational diabetes mellitus (GDM) affects many pregnancies worldwide and is associated with adverse maternal and fetal outcomes. Current screening at 24-28 weeks limits opportunities for early intervention. We evaluated whether machine learning (ML) models using first-trimester clinical and dietary data can predict GDM risk before the standard oral glucose tolerance test. Methods: We analyzed data from 797 pregnant women enrolled in the BORN2020 prospective cohort study (Thessaloniki, Greece). Ten ML algorithms were evaluated across five class-imbalance handling strategies using
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 an interpretable prognostic prediction model for autoimmune encephalitis (AE) using immunological indicators and to investigate the potential role of nucleophosmin (NPM1) in disease pathogenesis through multi-omics approaches.
METHODS: We enrolled patients diagnosed with antibody-positive AE and analyzed a broad panel of immunological indicators. Prognostic prediction models were developed using eight machine learning algorithms and validated in an independent cohort. Model interpretability was enhanced through SHapley Additive exPlanations (SHAP) analysis. We further ev
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.
Current risk subgroups for acute myeloid leukemia (AML) rely primarily on molecular and cytogenetic markers. These subgroups have distinct clinicopathological and molecular characteristics and are the basis for classifying disease subgroups currently undergoing clinical trials and initial subgroup-oriented therapies. However, substantial biological heterogeneity and differences in survival are apparent within each subgroup, so transcriptome-based molecular subgroup identification and prognostic stratification in pediatric acute myeloid leukemia remain to be resolved. In this study, we conducte
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: Cellular senescence, a hallmark of aging, significantly contributes to the pathology of ulcerative colitis (UC). Despite this, the role of senescence-related genes in UC remains largely undefined. This study seeks to clarify the impact of cellular senescence on UC by identifying key senescence-related genes and developing diagnostic models with potential clinical utility.
METHODS: Clinical data and gene expression profiles were obtained from the Gene Expression Omnibus (GEO) database. Senescence-related differentially expressed genes (sene-DEGs) between patients with UC and health
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.
Accurate preoperative risk assessment is of great value to both patients and clinical teams. Several risk scores have been developed but are often not calibrated to the local institution, limited in terms of data input into the underlying models, and/or lack individual precision. Machine Learning (ML) models have the potential to address limitations in existing scoring systems. A database of 1190 elderly patients who underwent major elective surgery was analyzed retrospectively. Preoperative cardiorespiratory fitness data from cardiopulmonary exercise testing (CPET), demographic and clinical d
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: Non-alcoholic steatohepatitis (NASH), as a progressive form of Non-alcoholic fatty liver disease (NAFLD), poses a significant th … ysis approaches within the field of network pharmacology. By integrating known databases and target prediction algorithms, which encompassed database-based target prediction, protein-protein interaction networks, as well as Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) pathway enrichment analyses, we unveiled the potential key targets and signal …
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.
RATIONALE AND OBJECTIVES: This study aimed to develop machine learning and nomogram models based on brain amyloid standardized uptake value ratio (SUVR) for the prediction of Alzheimer's disease (AD). Least absolute shrinkage and selection operator (LASSO) regression was employed to identify key brain regions associated with amyloid SUVR, which were then integrated into a composite SUVR_Score. A nomogram model was subsequently constructed to support clinical decision-making.
METHODS: A total of 751 subjects diagnosed with either cognitively normal (CN; n=550) or Alzheimer's disease (AD; n=201
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.
INTRODUCTION: Ovarian Cancer (OC) is one of the leading causes of cancer deaths among women. Despite recent advances in the medical field, such as surgery, chemotherapy, and radiotherapy interventions, there are only marginal improvements in the diagnosis of OC using clinical parameters, as the symptoms are very non-specific at the early stage. Owing to advances in computational algorithms, such as ensemble machine learning, it is now possible to identify complex patterns in clinical parameters. However, these complex patterns do not provide deeper insights into prediction and diagnosis. Expla
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 shortage of pediatric medical resources and overcrowding in children's hospitals are severe issues in China. Accurately predicting waiting times can help optimize hospital operational efficiency.
OBJECTIVE: This study aims to develop machine learning models to predict waiting times for various laboratory and radiology examinations at a pediatric hospital.
METHODS: Time stamp data from laboratory and radiology examinations were retrospectively collected from the pediatric hospital information system between November 1, 2024, and March 13, 2025. Two queue-related and 4 time-bas
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.
OBJECTIVE: Using machine learning to construct a prediction model for the risk of diabetes kidney disease (DKD) in the American diabetes population and evaluate its effect.
METHODS: First, a dataset of five cycles from 2009 to 2018 was obtained from the National Health and Nutrition Examination Survey (NHANES) database, weighted and then standardized (with the study population in the United States), and the data were processed and randomly grouped using R software. Next, variable selection for DKD patients was conducted using Lasso regression, two-way stepwise iterative regression, and random
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: Stroke is the second leading cause of death and third leading cause of disability worldwide and is the leading cause of death and disability among adults in China, with its incidence rate continuing to rise. In China, the average age of first-time stroke patients is 66.4 years, and the intravenous thrombolysis rate using recombinant tissue plasminogen activator within 3 h of onset is only 16%. Given this fact, there is a pressing need for real-time predictive tools, particularly for elderly individuals at home, that can provide early warnings for potential strokes.
METHODS: We col
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