INTRODUCTION: Diagnosis of outflow tract ventricular arrhythmia (OTVA) localization by an electrocardiographic complex is key to successful catheter ablation for OTVA. However, diagnosing the origin of OTVA with a precordial transition in lead V3 (V3TZ) is challenging. This study aimed to create the best practical electrocardiogram algorithm to differentiate the left ventricular outflow tract (LVOT) from the right ventricular outflow tract (RVOT) of OTVA origin with V3TZ using machine learning.
METHODS: Of 498 consecutive patients undergoing catheter ablation for OTVA, we included 104 patient
СтатьяРандомизированное исследованиеПоддержка 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.
There is significant enterohepatic circulation (EHC) during the disposition of mycophenolic acid (MPA). The aim of this study was to elucidate factors influencing the EHC of MPA in Chinese adult renal allograft recipients. After 2 weeks of therapy with mycophenolate mofetil or enteric-coated mycophenolate sodium, blood samples were collected from 125 patients at 0 to 12 hours post-administration and MPA concentrations were determined. The influence of calcineurin inhibitors (CNIs) and genetic polymorphisms on MPA exposure and EHC was studied. The Shapley additive explanations method was used t
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.
Due to overlapping tremor features, the medical diagnosis of Parkinson's disease (PD) and essential tremor (ET) mainly relies on the clinical experience of doctors, which often leads to misdiagnosis. Seven predictive models using machine learning algorithms including random forest (RF), eXtreme Gradient Boosting (XGBoost), support vector machine (SVM), logistic regression (LR), ridge classification (Ridge), backpropagation neural network (BP), and convolutional neural network (CNN) were evaluated and compared aiming to better differentiate between PD and ET by using accessible demographics and
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: While there are several accepted screening measures for identifying those with a bipolar disorder, variations in overall classification rates argue for the pursuit of a more discriminating measure. Extant measures, as well as the DSM-5, rate each diagnostic criterion as having equivalent weighting values; an approach which may compromise diagnostic assignment if symptoms vary considerably in their diagnostic sensitivity. We therefore sought to develop a new measure and examine whether a weighted rating scale was superior to one assigning equivalent weightings to each item.
METHODS
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.
AIMS: Type 2 diabetes mellitus (T2DM) is commonly observed in heart failure with preserved ejection fraction (HFpEF) patients. Despite its growing prevalence, HFpEF is frequently underdiagnosed. The aim of our study is to apply machine learning algorithms for identifying HFpEF in patients with T2DM.
METHODS: A total of 1,444 patients with T2DM who met the criteria were consecutively enrolled. Least absolute shrinkage and selection operator (LASSO) technique was applied for feature selection to identify key clinical variables. All patients were randomly divided into a training set and a test s
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: Sepsis is a life-threatening clinical syndrome characterized by a dysregulated host response to infection. The systemic immune-inflammation index (SII) is a novel prognostic biomarker, However, its predictive value for early prognosis in elderly individuals suffering from sepsis secondary to community-acquired bacterial pneumonia (CABP) remains unclear. This study intends to apply machine learning techniques to develop an interpretable model for predicting prognosis.
PATIENTS AND METHODS: This medical records review included elderly patients with sepsis secondary to CABP admitted 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.
Rationale: Intrapleural enzyme therapy (IET) with tissue plasminogen activator (tPA) and DNase has been shown to reduce the need for surgical intervention for complicated parapneumonic effusion/empyema (CPPE/empyema). Failure of IET may lead to delayed care and increased length of stay. Objectives: The goal of this study was to identify risk factors for failure of IET. Methods: We performed a multicenter, retrospective study of patients who received IET for the treatment of CPPE/empyema. Clinical and radiological variables at the time of diagnosis were included. We compared four different mach
СтатьяМногоцентровое 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.
BACKGROUND: This study aimed to construct machine-learning models for prediction of severe dysphagia after ischemic stroke based on clinical features and identify significant clinical predictors.
METHODS: Patients hospitalized with dysphagia after ischemic stroke in Affiliated Hospital of Jiangnan University were retrospectively analyzed and randomly divided into training and validation sets at a ratio of 7:3. Additional patients from Huai'an Hospital were selected as test set. 19 relevant clinical characteristics were collected. According to the water swallowing test (WST), patients were div
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: Immune-mediated hepatotoxicity (IMH) induced by immune checkpoint inhibitors (ICIs) can lead to fatal outcomes. Exploring the risk factors associated with IMH is crucial for the early identification and management of immune-related adverse events (irAEs).
METHODS: Screening IMH-influencing factors by applying meta-analysis to clinical research data. Utilizing FAERS data, ICIs-related IMH prediction models were developed using two types of variables (full variables and optimal variables screened by univariate logistic regression) and nine machine learning algorithms (logistic regre
СтатьяМетаанализПоиск 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.
Alzheimer's disease (AD) diagnosis utilizing single modality neuroimaging data has limitations. Multimodal fusion of complementary biomarkers may improve diagnostic performance. This study proposes a multimodal machine learning framework integrating magnetic resonance imaging (MRI), positron emission tomography (PET) and cerebrospinal fluid (CSF) assays for enhanced AD characterization. The model incorporates a hybrid algorithm combining enhanced Harris Hawks Optimization (HHO) algorithm referred to as ILHHO, with Kernel Extreme Learning Machine (KELM) classifier for simultaneous feature selec
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.
A diabetic foot infection (DFI) is among the most serious, incurable, and costly to treat conditions. The presence of a DFI renders machine learning (ML) systems extremely nonlinear, posing difficulties in CVD/stroke risk stratification. In addition, there is a limited number of well-explained ML paradigms due to comorbidity, sample size limits, and weak scientific and clinical validation methodologies. Deep neural networks (DNN) are potent machines for learning that generalize nonlinear situations. The objective of this article is to propose a novel investigation of deep learning (DL) solutio
СтатьяОбзорПоиск 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 main aim of our study was to investigate the possibility of applying machine learning techniques to the analysis of electromyographic patterns (EMG) collected from arthritic patients during gait. The EMG recordings were collected from the lower limbs of patients with arthritis and compared with those of healthy subjects (CO) with no musculoskeletal disorder. The study involved subjects suffering from two forms of arthritis, viz, rheumatoid arthritis (RA) and hip osteoarthritis (OA). The analysis of the data was plagued by two problems which frequently render the analysis of this type of da
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.
BACKGROUND OBJECTIVES: Discovery of new antibiotics is the need of the hour to treat infectious diseases. An ever-increasing repertoire of multidrug-resistant pathogens poses an imminent threat to human lives across the globe. However, the low success rate of the existing approaches and technologies for antibiotic discovery remains a major bottleneck. In silico methods like machine learning (ML) deem more promising to meet the above challenges compared with the conventional experimental approaches. The goal of this study was to create ML models that may be used to successfully predict new anti
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2022eng
Deep learning algorithms for predicting from neuroimaging data have shown considerable promise. Deep learning models that take advantage of the data's 3D structure have been proven to outperform ordinary machine learning on a number of learning tasks[1]. The majority of past research in this area, however, has focused on data from adults. Within the Adolescent Brain and Cognitive Development (ABCD) dataset, a major longitudinal development research, we examine the use of structural MRI data to predict gender and to identify gender related changes in brain structure. The results demonstrate tha
СтатьяПоддержка 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: Sepsis is a life-threatening dysregulated host response to infection; early risk stratification is essential to guide intensive care.
OBJECTIVE: To develop and interpret a machine learning model for predicting in-hospital mortality among intensive care unit (ICU) patients with sepsis.
METHODS: We retrospectively analyzed clinical data from sepsis patients admitted to the ICU of the First Affiliated Hospital of Xinjiang Medical University. Missing values were imputed using the mice package, and class imbalance was addressed with the Synthetic Minority Oversampling Technique. Seven
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.
Per- and polyfluoroalkyl substances (PFASs), one of the persistent organic pollutants, have immunosuppressive effects. The evaluation of this effect has been the focus of regulatory toxicology. In this investigation, 146 PFASs (immunosuppressive or nonimmunosuppressive) and corresponding concentration gradients were collected from literature, and their structures were characterized by using Dragon descriptors. Feature importance analysis and stepwise feature elimination are used for feature selection. Three machine learning (ML) methods, namely Random Forest (RF), Extreme Gradient Boosting Mac
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.
Sepsis is a life-threatening syndrome marked by immune dysregulation, progressing from hyperinflammation to immunosuppression. The translation of immunomodulatory therapies has been hampered by the disease's extreme heterogeneity. This review synthesizes current progress and future perspectives in sepsis immunotherapy. We outline key immunopathological mechanisms and critically discuss evolving diagnostic tools, including dynamic biomarker monitoring and immune endotyping for personalized management. We then highlight novel therapeutic targets and explore how integrating single-cell technologi
СтатьяОбзорПоиск 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.
Exposure to extreme temperatures and fine particulate matter is hazardous to human health, especially among children. With growing evidence on the impact of these environmental hazards on child health-including increased risks of respiratory illnesses, heat-related illnesses, and developmental challenges-there is a substantial need to identify high-risk areas for potential adverse pediatric health outcomes. In this study, we developed pediatric vulnerability indices at the census tract scale across the contiguous United States (CONUS) using five dimensionality reduction methods, including unsu
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/Objectives: Anthracycline-induced cardiotoxicity remains a major challenge in cancer treatment, and researchers are showing interest in artificial intelligence (AI) to improve the prediction and detection of cancer therapy-related cardiac dysfunction (CTRCD). Current surveillance strategies rely mainly on left ventricular ejection fraction and, more recently, global longitudinal strain. Methods: The present study was designed to evaluate cardiac performance in a rat model of doxorubicin-induced cardiotoxicity and empagliflozin-mediated cardioprotection using a machine learning-based
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.
Cyberattacks are increasingly becoming more complex, which makes intrusion detection extremely difficult. Several intrusion detection approaches have been developed in the literature and utilized to tackle computer security intrusions. Implementing machine learning and deep learning models for network intrusion detection has been a topic of active research in cybersecurity. In this study, artificial neural networks (ANNs), a type of machine learning algorithm, are employed to determine optimal network weight sets during the training phase. Conventional training algorithms, such as back-propaga
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