Parkinson's disease (PD) is among the two most prevalent neurodegenerative disorders (NDDs), affecting about 2-3% of individuals aged 65 and older. This NDD exhibits characteristic motor symptoms and several other non-motor features. Vocal deficits have been identified as one of the earliest quantifiable indicators of PD, which makes speech evaluation a viable, painless diagnostic instrument. We aim to apply machine learning (ML) models to vocal biomarkers for the early detection of PD, and use explainable artificial intelligence (XAI) techniques to interpret the predictions. The dataset is fr
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: To evaluate the effectiveness of machine learning (ML) models in predicting the occurrence of retinopathy of prematurity (ROP) and treatment need.
METHODS: Four ML models were created using 49 parameters known within the first 24 h post-birth and obtained during the initial screening examination, encompassing demographic, maternal, clinical, and neonatal intensive care unit-related data. The models' performances were assessed using five machine learning (ML) classifier algorithms: logistic regression (LR), decision tree (DT), support vector machine (SVM), random forest (RF), and e
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 OBJECTIVES: Blood donor return behaviour is frequently examined through questionnaires assessing donors' motivations, attitudes, awareness and willingness to donate. An enhanced donor invitation model that better predicts donation dynamics using specific behavioural variables is needed. This study aims to incorporate machine learning into processing blood donor datasets, thereby increasing donor return rates through precision marketing.
MATERIALS AND METHODS: This retrospective study was conducted between 1 January 2022 and 31 December 2023, focusing on blood donors whose recor
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 International guidelines recommend single or hypo-fraction for palliative radiotherapy (PRT). However, due to the inherent difficulty in accurately predicting life expectancy, the customization of end-of-life care for individual patients poses a significant challenge. This study aims to develop a machine learning-based mortality prediction model for PRT tailored to life expectancy. Methods A retrospective analysis encompassed 318 patients who expired after receiving PRT for advanced cancer from March 2013 to July 2023. Various model algorithms employing 22 variables were used to p
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: This study aims to predict hypothermia during neonatal in-hospital transport using machine learning techniques, identify risk factors, rank their importance, and visualize the results, allowing healthcare providers to rapidly assess the probability of hypothermia risk during transport.
METHODS: Clinical data of 9,060 neonates transported within a tertiary maternity hospital in Shanghai between January 2023 and June 2024 were collected, including maternal and neonatal data. Variables were selected using LASSO regression. Neonates were categorized into hypothermia and normal temperat
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: Urinary tract dilation (UTD) classification provides reliable predictive value for congenital anomalies of the kidney and urinary tract (CAKUT) but does not clearly define when advanced imaging is required. This study aimed to identify which specific UTD parameters most effectively predict the presence of CAKUT using multiple machine learning (ML) algorithms. METHODS: This retrospective cohort study included infants diagnosed with prenatal hydronephrosis (HN). Data on demographics, ultrasound findings, and final diagnoses were collected. Multiple supervised ML algorithms were trained
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: Extended aortic arch repair (EAR) is increasingly adopted for treating acute type A aortic dissection (ATAAD). However, existing prediction models may not be suitable for assessing the in-hospital death risk in ATAAD patients undergoing EAR. This study aims to develop a comprehensive risk prediction model for in-hospital death following EAR based on patient's preoperative status and surgical data, which may contribute to identification of high-risk individuals and improve outcomes following EAR.
METHODS: We reviewed clinical records of consecutive adult ATAAD patients undergoing E
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.
Genetic factors contribute to 60-70% of the variability in rheumatoid arthritis (RA). However, few studies have used genetic variants to predict RA risk. This study aimed to enhance RA risk prediction by leveraging single nucleotide polymorphisms (SNPs) through machine-learning algorithms, utilizing Women's Health Initiative data. We developed four predictive models: 1) based on common RA risk factors, 2) model 1 incorporating polygenic risk scores (PRS) with principal components, 3) model 1 and SNPs after feature reduction, and 4) model 1 and SNPs with kernel principal component analysis. Eac
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 construct and validate a predictive model for the risk of postoperative constipation in middle-aged and elderly patients with lower limb fractures based on machine learning algorithms, so as to provide decision-making support for clinical prevention and early intervention.
METHODS: This study conducted a retrospective analysis of clinical data of 1,128 middle-aged and elderly patients who underwent lower limb fracture surgery between January 2020 and May 2024, with data collection occurring from October to December 2024. Whether constipation occurred or not was used as the outco
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: Myasthenia gravis (MG), a low-prevalence autoimmune disorder characterized by clinical heterogeneity and unpredictable disease fluctuations, presents significant risks of acute exacerbations requiring intensive care. These crises contribute substantially to patient morbidity and mortality. This study aimed to develop and validate machine-learning models for predicting intensive care unit (ICU) admission risk among patients with MG-related disease instability.
METHODS: In this retrospective analysis of 314 MG patients hospitalized between 2015 and 2018, we implemented four machine l
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.
AIM: To develop a decision-support tool for predicting extubation failure (EF) in neonates with bronchopulmonary dysplasia (BPD) using a set of machine-learning algorithms.
METHODS: A dataset of 284 BPD neonates on mechanical ventilation was used to develop predictive models via machine-learning algorithms, including extreme gradient boosting (XGBoost), random forest, support vector machine, naïve Bayes, logistic regression, and k-nearest neighbor. The top three models were assessed by the area under the receiver operating characteristic curve (AUC), and their performance was tested by decisi
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: A mini-invasive and good-compliance program is critical to broaden colorectal cancer (CRC) screening and reduce CRC-related mortality. Blood testing combined with imaging examination has been proved to be feasible on screen for multicancer and guide intervention. The study aims to construct a machine learning-assisted detection platform with available multi-targets for CRC and colorectal adenoma (CRA) screening.
METHODS: This was a retrospective study that the blood test data from 204 CRCs, 384 CRAs, and 229 healthy controls was extracted. The classified models were constructed wit
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 Aims: Accurately predicting the response to methotrexate (MTX) in juvenile idiopathic arthritis (JIA) patients before administration is the key point to improve the treatment outcome. However, no simple and reliable prediction model has been identified. Here, we aimed to develop and validate predictive models for the MTX response to JIA using machine learning based on electronic medical record (EMR) before and after administering MTX. Materials and Methods: Data of 362 JIA patients with MTX mono-therapy were retrospectively collected from EMR between January 2008 and October 201
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.
People with spinal cord injury (SCI) show impaired thermoregulation during exercise, making skin temperature a noninvasive indicator. This study applies hybrid Extreme Learning Machine (ELM) models optimized with Ant Lion, Dragonfly, and Evolution Strategy algorithms to predict skin and core temperature dynamics during graded arm-crank exercise in 32 participants (16 SCI, 16 controls). The Dragonfly-optimized ELM achieved the highest accuracy (R² = 99.705, RMSE = 0.014) with no significant difference between predicted and measured core temperatures (p > 0.05). Feature-importance and SHAP analy
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.
Electromyography (EMG) is considered a potential predictive tool for the severity of knee osteoarthritis (OA) symptoms and functional outcomes. Patient-reported outcome measures (PROMs), such as the Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) and visual analog scale (VAS), are used to determine the severity of knee OA. We aim to investigate muscle activation and co-contraction patterns through EMG from the lower extremity muscles of patients with advanced knee OA patients and evaluate the effectiveness of an interpretable machine-learning model to estimate the severi
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.
Diabetes has become a critical global health concern, particularly in regions where access to diagnostic facilities is limited. In this work, we propose a hybrid framework that combines extreme gradient boosting (XGBoost) and deep neural networks (DNNs) for early-stage diabetes detection, using soft voting to generate the final ensemble predictions. The proposed framework was evaluated on two datasets: the widely used Diabetes UCI dataset and a newly collected dataset from Nepal. The ensemble method achieved 99% accuracy (ACC) with an area under the curve (AUC) of 1.00 on the Diabetes UCI data
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.
We evaluated the ability of Electrodermal Activity (EDA), Heart Rate Variability (HRV), and Pupil Diameter (PD) to detect emotional states via machine learning to determine whether simple arousal metrics can distinguish complex emotional labels: Amusement, Awe, Disgust, Nurturant Love, and Sadness. In a laboratory session, participants (N = 47) selected the most appropriate emotional label out of five immediately after viewing 10 short videos. Classifications relied solely on the three psychophysiological measures and by applying three machine learning models: Support Vector Machine (SVM/SVC),
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: Extubation failure (EF) is a significant complication, and it is associated with increased mortality, prolonged hospital stays and extended mechanical ventilation (MV). Determining reliable predictors of EF could improve the clinical decision-making and outcomes. Objectives: Determine the outcomes and predictors of EF in a paediatric intensive care unit (PICU) and develop predictive models using machine learning algorithms. Methods: A retrospective cohort study (n = 824) was conducted in two PICUs in participants who underwent planned extubation (January 2018-December 2022). Demogr
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: Hepatitis B-related cirrhosis represents a major contributor to liver-related events (LREs), with the development of clinically significant portal hypertension (CSPH) serving as a critical milestone in disease progression.
AIM: To establish predictive models based on multiple machine learning algorithms to improve the accuracy and clinical utility of LREs prediction.
METHODS: A total of 576 patients were retrospectively enrolled and randomly divided into training (n = 403) and validation (n = 173) cohorts. Features were selected through least absolute shrinkage and selection oper
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.
Zebrafish (Danio rerio) are a popular vertebrate model for high-throughput toxicity testing, serving as a model for embryonic development and disease etiology. However, standardized protocols using zebrafish tend to explore pathologies and behaviors at the organism level rather than at the organ-specific level. This study investigates the effects of chemical exposures on pancreatic function in whole-embryo zebrafish by integrating network analysis and machine learning, leveraging widely available datasets to probe an organ-specific effect. We compiled transcriptomics data for zebrafish exposed
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
MedElevator
Войти в исследования