OBJECTIVE: A major concern for cancer survivors after treatment is the Fear of Cancer Recurrence (FCR), which is the fear that cancer will reappear or progress. This fear can be exacerbated by medical uncertainty about the future, leading to harmful obsession and having a negative impact on quality of life. This study aims to develop a predictive Machine Learning (ML) model using healthcare reimbursement data to better predict FCR and understand the factors influencing FCR in women with breast cancer five years after their diagnosis.
MATERIALS AND METHODS: We used data from the VICAN (VIe apr
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.
Plant-virus protein-protein interactions (PPIs) play crucial roles in viral infection and host immune responses. However, large-scale experimental characterization of plant-virus PPIs is costly and labor-intensive, suggesting the need to develop computational methods. Recent advances in biological sequence language models are offering unprecedented opportunities to develop machine learning-based plant-virus PPI predictors. In this study, we collected publicly available PPI data between Arabidopsis thaliana (A. thaliana) and viruses, establishing a robust dataset for method development. Based o
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.
Heart failure affects over 64 million individuals globally, contributing to elevated mortality rates and substantial healthcare costs. This study investigates the potential of retinal optical coherence tomography features combined with routine clinical variables as biomarkers for the detection of heart failure, exploring a potential avenue for improved risk assessment and screening support using explainable machine-learning tools. A comprehensive dataset of normal and heart failure patients' demographic and medical records including retinal measurements from both eyes was used. Among the 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.
A portable electronic nose system, termed cNose, is presented which combines an optimized metal oxide semiconductor gas sensor array with machine learning algorithms to determine fecal volatile organic compounds (VOCs) for noninvasive bedside screening of neonatal sepsis. The system was evaluated at a public hospital in Sleman, Yogyakarta, Indonesia, using 347 fecal samples (197 positive, 150 negative for sepsis confirmed by blood culture). This balanced dataset was used for exploratory machine learning analysis and proof-of-concept evaluation rather than for population-level inference. Featur
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.
OBJECTIVE: To evaluate large language models (LLMs) for pre-test diagnostic probability estimation and compare their uncertainty estimation performance with a traditional machine learning classifier.
MATERIALS AND METHODS: We assessed 2 instruction-tuned LLMs, Mistral-7B-Instruct and Llama3-70B-chat-hf, on predicting binary outcomes for Sepsis, Arrhythmia, and Congestive Heart Failure (CHF) using electronic health record (EHR) data from 660 patients. Three uncertainty estimation methods-Verbalized Confidence, Token Logits, and LLM Embedding+XGB-were compared against an eXtreme Gradient Boosti
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.
UNLABELLED: This study aimed to develop and validate a risk prediction model for moderate to severe bleeding in children with immune thrombocytopenia (ITP). Data from 286 ITP patients were prospectively collected and randomly split into training (80%) and test (20%) sets. Least Absolute Shrinkage and Selection Operator (LASSO) regression was used for feature selection. Among seven machine learning algorithms, the eXtreme Gradient Boosting (XGBoost) model demonstrated the best performance (AUC = 0.886, 95% CI: 0.790-0.982) and was selected as the optimal model. Shapley Additive Explanations (SH
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.
The escalating global burden of infectious diseases demands biosensing technologies that transcend the complexity-sensitivity-accuracy trade-off in real-world applications. Herein, an interpretable machine learning-empowered multimodal biosensor synergizing electron transfer-enhanced nanozymes and aggregation-induced emission luminogens (AIEgens) for ultrasensitive pathogen detection is presented. By engineering aminophenol formaldehyde resin nanobowls anchored with monodisperse Pt nanoparticles, interfacial electron transfer (N→Pt→O) induces an upshift of Pt d-band center relative to the Ferm
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.
Influenza A virus (IAV) has the characteristics of high infectivity and high pathogenicity, which makes IAV infection a serious public health threat. Identifying protein-protein interactions (PPIs) between IAV and human proteins is beneficial for understanding the mechanism of viral infection and designing antiviral drugs. In this article, we developed a sequence-based machine learning method for predicting PPI. First, we applied a new negative sample construction method to establish a high-quality IAV-human PPI dataset. Then we used conjoint triad (CT) and Moran autocorrelation (Moran) to enc
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.
Argentina has a heterogeneous prevalence of infections by intestinal parasites (IPs), with the north in the endemic area, especially for soil-transmitted helminths (STHs). We analyzed the spatial patterns of these infections in the city of Tartagal, Salta province, by an observational, correlational, and cross-sectional study in children and adolescents aged 1 to 15 years from native communities. One fecal sample per individual was collected to detect IPs using various diagnostic techniques: Telemann sedimentation, Baermann culture, and Kato-Katz. Moran's global and local indices were applied
СтатьяНаблюдательное 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.
Peanut is a critical food crop worldwide, and the development of high-throughput phenotyping techniques is essential for enhancing the crop's genetic gain rate. Given the obvious challenges of directly estimating peanut yields through remote sensing, an approach that utilizes above-ground phenotypes to estimate underground yield is necessary. To that end, this study leveraged unmanned aerial vehicles (UAVs) for high-throughput phenotyping of surface traits in peanut. Using a diverse set of peanut germplasm planted in 2021 and 2022, UAV flight missions were repeatedly conducted to capture image
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.
Gait analysis serves as a critical diagnostic tool for identifying neurologic and musculoskeletal damage. Traditional manual analysis of motion data, however, is labor-intensive and heavily reliant on the expertise and judgment of the therapist. This study introduces a binary classification method for the quantitative assessment of gait impairments, specifically focusing on Duchenne muscular dystrophy (DMD), a prevalent and fatal neuromuscular genetic disorder. The research compares spatiotemporal and sagittal kinematic gait features derived from 2D and 3D human pose estimation trajectories ag
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 Existing studies on cardiovascular diseases (CVDs) often focus on individual-level behavioral risk factors, but research examining social determinants is limited. This study applies a novel machine learning approach to identify the key predictors of county-level care costs and prevalence of CVDs (including atrial fibrillation, acute myocardial infarction, congestive heart failure, and ischemic heart disease). Methods and Results We applied the extreme gradient boosting machine learning approach to a total of 3137 counties. Data are from the Interactive Atlas of Heart Disease and Str
СтатьяПоддержка NIH: внешняя программаПоддержка 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: Whether there is a subset of patients with heart failure with preserved ejection fraction (HFpEF) that benefit from spironolactone therapy is unclear. We applied a machine learning approach to identify responders and non-responders to spironolactone among patients with HFpEF in two large randomized clinical trials.
METHODS: Using a reiterative cluster allocating permutation approach, patients from the derivation cohort (Aldo-DHF) were identified according to their treatment response to spironolactone with respect to improvement in E/e'. Heterogenous features of response ('responde
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 diagnosis of Pneumocystis jirovecii pneumonia (PCP) in patients presenting with severe pneumonia is challenging and delays in treatment were associated with worse prognosis. This study aimed to develop a rapid, easily available, noninvasive machine learning diagnostic model for PCP among patients with severe pneumonia.
METHODS: A retrospective study was performed in West China Hospital among consecutive patients with severe pneumonia who had undergone bronchoalveolar lavage for etiological evaluation between October 2010 and April 2021. Factors associated with PCP were identif
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.
This study aimed to explore the clinical characteristic and outcomes of inpatients with diabetic foot ulceration (DFU) in 2019 (prelockdown) and 2020 (postlockdown) due to the COVID-19 pandemic, at an emergency medical service unit. Prediction models for mortality and amputation were developed to describe the risk factors using a machine learning-based approach. Hospitalized DFU patients (N = 23) were recruited after the lockdown in 2020 and matched with corresponding inpatients (N = 23) before lockdown in 2019. Six widely used machine learning models were built and internally validated using
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.
UNLABELLED: Human immunodeficiency virus (HIV) pre-exposure prophylaxis (PrEP) protects high risk patients from becoming infected with HIV. Clinicians need help to identify candidates for PrEP based on information routinely collected in electronic health records (EHRs). The greatest statistical challenge in developing a risk prediction model is that acquisition is extremely rare.
METHODS: Data consisted of 180 covariates (demographic, diagnoses, treatments, prescriptions) extracted from records on 399 385 patient (150 cases) seen at Atrius Health (2007-2015), a clinical network in Massachuset
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
On September 11, 2023, Storm Daniel unleashed unprecedented rainfall over the Wadi Derna watershed, triggering one of the most devastating floods in modern history, striking Derna, a coastal city in Libya. This study reconstructs the disaster using an integrated modeling approach that combines satellite imagery, hydrologic, hydraulic, and geotechnical simulations, machine learning, eyewitness accounts, and digital elevation data to assess the impact of cascading dam failures. Our findings reveal that the region's dams, even if structurally sound, would have provided minimal protection against
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: The relationship between dietary nutrient intake and metabolically healthy obesity (MHO) remains poorly understood. This study aimed to construct machine learning models to predict MHO based on dietary nutrient profiles and to identify the most influential nutrients contributing to this phenotype.
METHODS: Data were derived from the U.S. National Health and Nutrition Examination Survey (NHANES) 2005-2018. Forty-five dietary nutrients, along with demographic and lifestyle variables, were included in two predictive frameworks: a dietary-only model and a complete model. Feature preproce
СтатьяСравнительное 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: Most previous studies on myopia in children and adolescents have primarily focused on genetic and environmental factors. This study aimed to explore modifiable behavioral, sociodemographic, and psychological contributors to myopia and to evaluate the potential of machine learning (ML) models in identifying at-risk individuals.
METHODS: A cross-sectional survey was conducted in eight primary and secondary schools in a Chinese province between October and December 2023. The dataset was split into training and testing sets (7:3). LASSO regression identified potential predictors, foll
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: Inappropriate empirical antimicrobial therapy (IEAT) significantly increases mortality in patients with resistant Gram-negative bacteremia. We developed a multitask machine learning framework to predict carbapenem resistance (CR), β-lactam/β-lactamase inhibitor combinations resistance (BL/BLI-R), and third-/fourth-generation cephalosporins resistance (3GC/4GC-R) in HM patients with monomicrobial BSIs caused specifically by Escherichia coli, Klebsiella pneumoniae, or Enterobacter cloacae.
METHODS: Using retrospective data from 1,353 HM patients with three specific Enterobacterales
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.
MedElevator
Войти в исследования