BACKGROUND: This systematic review provides an overview of machine learning (ML) approaches for predicting preeclampsia.
METHOD: This review adhered to the Preferred Reporting Items for Systematic Reviews and Meta-Analyzes (PRISMA) guidelines. We searched the Cochrane Central Register, PubMed, EMBASE, ProQuest, Scopus, and Google Scholar up to February 2023. Search terms were limited to "preeclampsia" AND "artificial intelligence" OR "machine learning" OR "deep learning." All studies that used ML-based analysis for predicting preeclampsia in pregnant women were considered. Non-English article
Систематический обзорСтатьяПоиск 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: The application of contemporary statistical approaches coming from Machine Learning and Data Mining environments to build more robust predictive models to identify athletes at high risk for injury might support injury prevention strategies of the future.
PURPOSE: The purpose was to analyze and compare the behavior of numerous machine learning methods to select the best-performing injury risk factor model to identify athlete at risk for lower extremity muscle injuries (MUSINJ).
METHODS: A total of 132 male professional soccer and handball players underwent a preseason screening
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: Complete mesocolic excision (CME) is a technically complex and highly invasive surgical approach, and patients undergoing CME are consequently at elevated risk of postoperative acute kidney injury (AKI). Despite this vulnerability, reliable tools for individualized AKI risk prediction in this population remain unavailable. Moreover, the contributions of perioperative inflammatory responses and blood transfusion to AKI pathogenesis have not been comprehensively examined. Here, we sought to develop and validate a multicenter, machine learning-based model to predict AKI following CME
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.
Objective: Chiari Type I Malformation (CM1) is a structural abnormality of the hindbrain that can cause a range of neurological symptoms and often requires radiological confirmation using magnetic resonance imaging (MRI). The aim of this study was to develop and evaluate a deep feature-based machine learning framework for the automated detection of CM1 from sagittal MRI images. Materials and Methods: The cohort comprised 550 adults: 250 patients with CM1 (168 women, 82 men; age range, 18-65 years) and 300 healthy control participants (210 women, 90 men; age range, 18-65 years). A total of 764
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.
OBJECTIVE: Currently, there is no individualized prediction model for joint function recovery after ankle fracture surgery. This study aims to develop a prediction model for poor recovery following ankle fracture surgery using various machine learning algorithms to facilitate early identification of high-risk patients.
METHODS: A total of 750 patients who underwent ankle fracture surgery at Lu'an Hospital Affiliated to Anhui Medical University between January 2018 and December 2023 were followed up. The collected data were chronologically divided into a training set (599 cases) and a test set
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.
Compensatory movements frequently occur during upper-limb rehabilitation for patients with stroke, potentially impeding effective motor recovery. Vision-based systems offer practical solutions for monitoring such compensations, but their application has often been limited by tracking inaccuracies and inadequate integration of trunk and arm movements. To address this limitation, we developed a real-time compensation detection and feedback system for upper-limb rehabilitation robot, which integrates upper-body reconstruction based on sensor-fusion with a machine learning classifier. The system 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.
Emerging work supports the use of artificial intelligence-based markerless motion capture systems to complement standardized clinical measures when assessing post-stroke motor recovery. MediaPipe Pose Landmarker is an open-sourced, machine learning tool, requiring only one camera, which can be used to track upper limb movements and quantify kinematics. Here we aimed to test the use-case of MediaPipe Pose Landmarker in tracking upper limb movements after stroke in a 2-dimensional cartesian coordinate space. Participants (N = 7, > 2 months after stroke, upper extremity portion of the Fugl-Meyer
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.
Very Preterm birth (vPTB) and extreme Preterm birth (xPTB) are the major concerns in maternal and child healthcare and are associated with increased morbidity and mortality. Machine learning methods have traditionally been used to predict preterm births (vPTB and xPTB). However, most medical datasets, including preterm births, are imbalanced in class distribution. Although data-balancing techniques can be employed, complications due to the limited sample size of the minority class are frequently encountered, leading to inconsistent results. This study adopted a novel approach by employing one-
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: Men who have sex with men (MSM) are at high risk for HIV infection and sexually transmitted diseases (STDs). However, there is a lack of accurate and convenient tools to assess this risk.
OBJECTIVE: This study aimed to develop machine learning models and tools to predict and assess the risk of HIV infection and STDs among MSM.
METHODS: We conducted a cross-sectional study that collected individual characteristics of 1999 MSM with negative or unknown HIV serostatus in Western China from 2013 to 2023. MSM self-reported their STD history and were tested for HIV. We compared the accu
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.
We conducted an in silico analysis to better understand the potential factors impacting host adaptation of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) in white-tailed deer, humans, and mink due to the strong evidence of sustained transmission within these hosts. Classification models trained on single nucleotide and amino acid differences between samples effectively identified white-tailed deer-, human-, and mink-derived SARS-CoV-2. For example, the balanced accuracy score of Extremely Randomized Trees classifiers was 0.984 ± 0.006. Eighty-eight commonly identified predictive
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: Efforts toward tuberculosis management and control are challenged by the emergence of Mycobacterium tuberculosis (MTB) resistance to existing anti-TB drugs. This study aimed to explore the potential of machine learning algorithms in predicting drug resistance of four anti-TB drugs (rifampicin, isoniazid, streptomycin, and ethambutol) in MTB using whole-genome sequence and clinical data from Uganda. We also assessed the model's generalizability on another dataset from South Africa.
RESULTS: We trained ten machine learning algorithms on a dataset comprising of 182 MTB isolates with
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: Accurate identification of patients at high risk of pulmonary infection after thoracoscopic lung cancer resection is important for timely and targeted preventive measures. Methods for determining the risk of pulmonary infection after thoracoscopic lung cancer resection have not been well studied.
METHODS: This study was a retrospective case-control research project. The information of 3219 hospitalised patients who underwent thoracoscopic lung cancer resection between January 2019 and December 2023 was obtained from the hospital electronic medical record system. 26 clinical charac
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.
OBJECTIVE: To construct and validate an interpretable machine learning screening model for MoCA-defined possible mild cognitive impairment applicable to residents in rural areas of Xinjiang, China.
METHODS: A total of 708 residents from rural Xinjiang were recruited between June and July 2025. Six machine learning methods-Logistic Regression (LR), Adaptive Boosting (AdaBoost), Multilayer Perceptron (MLP), Naïve Bayes (NB), Extreme Gradient Boosting (XGBoost), and Light Gradient Boosting Machine (LightGBM)-were employed to identify MoCA-defined possible MCI based on data from four dimensions:
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.
OBJECTIVE: This study aims to bridge the gap between predictive modeling and causal inference by utilizing lifestyle data from the National Health and Nutrition Examination Survey (NHANES) database to compare the predictive performance of multiple machine learning models for coronary heart disease (CHD). By incorporating Mendelian randomization, the study seeks to validate and identify the lifestyle variables with both predictive power and causal impact on CHD.
METHODS: We extracted variables related to demographic characteristics and lifestyle from the NHANES database (2013-2018; n = 29,400)
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: According to International Lymphology Society guidelines, the severity of lymphedema is determined by the difference in volume between the affected limb and the healthy side divided by the volume of the healthy side. However, this method of measuring volume is time consuming, laborious, and has certain errors in clinical applications. Therefore, this study aims to explore whether machine learning radiomics features based on noncontrast magnetic resonance imaging (MRI) can predict the severity of primary lower limb lymphedema.
METHODS: A retrospective analysis of 119 patients with p
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.
PURPOSE: Patients with rectal cancer without distant metastases are typically treated with radical surgery. Post curative resection, several factors can affect tumor recurrence. This study aimed to analyze factors related to rectal cancer recurrence after curative resection using different machine learning techniques.
METHODS: Consecutive patients who underwent curative surgery for rectal cancer between 2004 and 2018 at Gil Medical Center were included. Patients with stage IV disease, colon cancer, anal cancer, other recurrent cancer, emergency surgery, or hereditary malignancies were exclude
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: Cutaneous head and neck melanoma (CHNM) carry substantial metastatic potential, yet reliable individualized prediction of lymph node metastasis (LNM) remains challenging for clinical practice. This study developed machine learning models to predict LNM risk in patients with CHNM using routine clinicopathological data, and compared model predictive performance to support clinical nodal risk stratification for sentinel lymph node biopsy decision-making.
METHODS: We enrolled 1,451 patients with CHNM. Among them, 242 (16.7%) had LNM, and 1,209 (83.3%) did not. We used one-hot encoding
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 OBJECTIVE: This study aimed to explore the ability of machine learning models to assess state and trait anxiety using data collected from the Spielberger State-Trait Anxiety Inventory (STAI). Considering the significant impact of mental health on the academic and professional performance of medical students, the research sought to determine whether machine learning could complement traditional assessment methods and provide insights into the relative influence of demographic and physiological factors on anxiety levels. METHODS: A census sampling approach was applied, including 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: Postpartum depression (PPD) is associated with severe adverse outcomes, yet timely risk stratification remains challenging. Existing machine learning models are often limited by insufficient external validation, limited interpretability, and lack of accessible clinical tools. This study aimed to develop and externally validate an explainable machine learning model with a web-based calculator for predicting postpartum depressive symptoms.
METHODS: This retrospective cohort study included 553 women from two hospitals, comprising 403 in the development cohort and 150 in an independ
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: Against the backdrop of the global high incidence of Type 2 diabetes mellitus (T2DM), existing prediction models are largely confined to single-dimensional risk factors, suffering from a core limitation of lacking multilevel integrated analysis. Given the severe impact of T2DM on individual health and healthcare systems, the construction of a comprehensive and accurate prediction model is of great significance.
OBJECTIVE: This study is aimed at constructing a T2DM prediction model, identifying multilevel risk factors, and enabling early screening, so as to help clinicians identify
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.
MedElevator
Войти в исследования