PURPOSES: Postoperative complications in patients with ureteropelvic junction obstruction (UPJO) negatively impact surgical outcomes and may necessitate redo surgery. We aimed to predict the occurrence of postoperative complications in these patients using machine learning algorithms.
METHODS: Data of UPJO patients admitted to our hospital for surgical treatment from May 2014 to May 2023 were retrospectively analyzed. Risk factors were screened using multivariate logistic and Lasso regression. Logistic regression (LR), k-nearest neighbours (KNN), Support Vector Machine (SVM), Decision Tree (D
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: Atrial fibrillation (AF) is one of the primary etiologies for ischemic stroke, and it is of paramount importance to delineate the risk phenotypes among elderly AF patients and to investigate more efficacious models for predicting stroke risk.
METHODS: This single-center prospective cohort study collected clinical data and cardiac computed tomography angiography (CTA) images from elderly AF patients. The clinical phenotypes and left atrial appendage (LAA) radiomic phenotypes of elderly AF patients were identified through K-means clustering. The independent correlations between thes
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.
Discriminating whether esophageal-related symptoms result from gastroesophageal junction cancer (GEJC) is challenging in clinical practice. This study aimed to develop and validate a tool to predict the likelihood of GEJC in patients with esophageal-related symptoms. The electronic medical record system was accessed to identify patients diagnosed with GEJC or gastroesophageal reflux disease (GERD) at our hospital between 2009 and 2023. Predictive variables included demographic characteristics, symptoms, and laboratory results. After propensity score matching, significant features of GEJC were
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: Chronic hepatitis B (CHB) is a common cause of liver cirrhosis (LC), a condition associated with an unfavourable prognosis. Therefore, timely diagnosis of LC in CHB patients is crucial.
OBJECTIVE: This study aimed to enhance the diagnostic accuracy of LC in CHB patients by integrating liver stiffness measurement (LSM) with traditional indicators.
METHODS: The study participants were randomly divided into training and internal validation sets. Employing the least absolute shrinkage and selection operator (LASSO) and random forest-recursive feature elimination (RF-RFE) for feature
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.
OBJECTIVES: Current prediction models for disease progression to AIDS in people living with HIV primarily rely on traditional statistical methods. This study aimed to develop and compare four machine learning models and to create a clinically applicable nomogram for identifying risk factors associated with AIDS progression.
DESIGN: A retrospective cohort study conducted from January 2013 to December 2022.
SETTING: Yining City, Xinjiang, China.
PARTICIPANTS: Newly diagnosed HIV-infected patients (aged 18-60 years) who received antiretroviral therapy and had not progressed to AIDS at baseline
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 explore machine-learning applications in myopia prediction and analyze the influencing factors of myopia.
METHODS: Stratified cluster random sampling was used to select elementary school students in Shenzhen, China for inclusion in this case-control study. Myopia screening, ocular biological parameter measurements, and questionnaires were conducted. Random forest (RF), decision tree (DT), extreme gradient boosting trees (XGBoost), support vector machine (SVM), and logistic regression (LR) algorithms were used to construct five myopia prediction models using R software (version
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.
PURPOSE: To explore the efficiency of a contrast-enhanced CT-based radiomics nomogram integrated with radiomics signature and clinically independent predictors to distinguish mass-like thymic hyperplasia (ml-TH) from low-risk thymoma (LRT) preoperatively.
METHODS: 135 Patients with histopathology confirmed ml-TH (n = 65) and LRT (n = 70) were randomly divided into training set (n = 94) and validation set (n = 41) at a ratio of 7:3. The least absolute shrinkage and selection operator (LASSO) algorithm was used to obtain the optimal features. Based on the selected features, four machine learnin
Рандомизированное 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.
The objective of this study was to apply a machine learning method to evaluate the risk factors associated with serious adverse events (SAEs) and predict the occurrence of SAEs in cancer inpatients using antineoplastic drugs. A retrospective review of the medical records of 499 patients diagnosed with cancer admitted between January 1 and December 31, 2017, was performed. First, the Global Trigger Tool (GTT) was used to actively monitor adverse drug events (ADEs) and SAEs caused by antineoplastic drugs and take the number of positive triggers as an intermediate variable. Subsequently, risk fac
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: Clinical work-up for suspected acute coronary syndrome (ACS) is resource intensive.
OBJECTIVES: This study aimed to develop a machine learning model for digitally phenotyping myocardial injury and infarction and predict 30-day events in suspected ACS patients.
METHODS: Training and testing data sets, predominantly derived from electronic health records, included suspected ACS patients presenting to 6 and 26 South Australian hospitals, respectively. All index presentations and 30-day death and myocardial infarction (MI) were adjudicated using the Fourth Universal Definition of MI.
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: The rapid and accurate diagnosis of fractures is crucial for timely treatment of trauma patients. Deep learning, one of the most widely used forms of artificial intelligence (AI), is now commonly employed in medical imaging for fracture detection. This study aimed to construct a deep learning model using big data to recognize multiple-fracture X-ray images of extremity bones.
METHODS: Radiographic imaging data of extremities were retrospectively collected from five hospitals between January 2017 and September 2020. The total number of people finally included was 25,635 and the tot
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.
INTRODUCTION: Risk adjustment is critical in observational epidemiology to control for confounding of the exposure-outcome relationship. Accurate prediction of outcomes, such as mortality, can improve risk adjustment. In the present study, we compared logistic regression with a range of tree-based ensemble methods to predict 1-year mortality in the general population of Ontario, Canada.
METHODS: Ontario adults (age 18 years and older) who were alive as of January 1, 2022 were included. Using a window of up to 3 years, various measures of health and healthcare utilization were captured from ad
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: Sepsis associated encephalopathy (SAE) is prevalent among elderly patients in the ICU and significantly affects patient prognosis. Due to the symptom similarity with other neurological disorders and the absence of specific biomarkers, early clinical diagnosis remains challenging. This study aimed to develop a predictive model for SAE in elderly ICU patients.
METHODS: The data of elderly sepsis patients were extracted from the MIMIC IV database (version 3.1) and divided into training and test sets in a 7:3 ratio. Feature variables were selected using the LASSO-Boruta combined algor
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: Early identification of large vessel occlusion (LVO) in patients with ischemic stroke is crucial for timely interventions. We propose a machine learning-based algorithm (JLK-CTL) that uses handcrafted features from noncontrast computed tomography to predict LVO.
METHODS: We included patients with ischemic stroke who underwent concurrent noncontrast computed tomography and computed tomography angiography in seven hospitals. Patients from 5 of these hospitals, admitted between May 2011 and March 2015, were randomly divided into training and internal validation (9:1 ratio). Those fro
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: Patients with differentiated thyroid cancer (DTC) may have occult lung metastases before 131iodine (131I) treatment. Identifying occult lung metastases before 131I treatment is of great clinical value for the correct staging of patients and the establishment of 131I treatment plans. Our research is of great significance in establishing statistical models for clinical data using machine learning algorithms to study the prediction of lung metastasis before 131I treatment.
METHODS: Patients were selected from Zhejiang cancer hospital and data was from two groups of DTC patients treat
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: Locally advanced cervical cancer (LACC) remains a major cause of cancer-related mortality among women. We developed and tested a machine learning model integrating radiomic and clinical features to predict tumor shrinkage rate (TSR) after external beam radiotherapy (EBRT).
MATERIALS AND METHODS: This study retrospectively enrolled 248 patients with histopathologically confirmed locally advanced cervical squamous cell carcinoma from April 2020 to April 2025. The cohort was split randomly into a training set (n = 173) and a validation set (n = 75) for internal testing.
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.
PURPOSE: To identify independent determinants influencing therapeutic outcomes of initial radioactive iodine (1 3 1I) therapy in differentiated thyroid carcinoma (DTC) and establish an interpretable predictive framework for clinical decision-making.
MATERIALS AND METHODS: A retrospective cohort of 950 treatment-naïve DTC patients undergoing primary 1 3 1I therapy was randomly allocated into training (n = 664) and testing (n = 286) cohorts. Multivariable logistic regression (LR) analysis identified response-associated variables, followed by the development of seven machine learning (ML) archit
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: Metabolic dysfunction-associated steatotic liver disease (MASLD) is an emerging global health concern. This study was aimed at exploring the feasibility of utilizing machine learning (ML) algorithms to predict MASLD in large general populations based on simple anthropometric and biochemical parameters.
METHODS: Data from the 2017-2020 cycles of the US National Health and Nutrition Examination Survey (NHANES) were utilized. A total of 6814 participants (53.0% female) with complete transient elastography data were included. MASLD was defined as a controlled attenuation parameter ≥ 2
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: Contrast-induced nephropathy (CIN) is a major complication following coronary interventions, contributing to increased morbidity and healthcare costs. Machine learning (ML) models provide innovative approaches for predicting CIN by integrating complex clinical variables, potentially improving risk stratification and patient outcomes. This meta-analysis evaluates the predictive performance of ML models for CIN, focusing on the best-performing models.
METHODS: Seventeen studies encompassing 21,69,263 patients were analyzed. The predictive accuracy of ML models was synthesized using
СтатьяМетаанализПолный 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: Up to 50% of patients treated with internet-delivered cognitive behavioral therapy (ICBT) for depression and anxiety disorders do not experience clinically significant symptom reduction. Identifying these patients prior to the initiation of ICBT can support treatment planning.
OBJECTIVE: The aim of this study was to enhance baseline prediction of clinically meaningful improvement in patients treated with ICBT for common psychiatric disorders in routine care, which could ultimately inform treatment planning at intake.
METHODS: We developed multimodal predictive models integrating
СтатьяВалидационное 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.
OBJECTIVES: Hospitalized community-acquired pneumonia (CAP) patients are admitted for ventilation, vasopressors, and renal replacement therapy (RRT). This study aimed to develop a machine learning (ML) model that predicts the need for such interventions and compare its accuracy to that of logistic regression (LR).
DESIGN: This retrospective observational study trained separate models using random-forest classifier (RFC), support vector machines (SVMs), Extreme Gradient Boosting (XGBoost), and multilayer perceptron (MLP) to predict three endpoints: eventual use of invasive ventilation, vasopre
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.
MedElevator
Войти в исследования