Background: Myasthenia gravis (MG), a chronic autoimmune disorder with variable disease trajectories, presents considerable challenges for clinical stratification and acute care management. This systematic review evaluated machine learning models developed for prognostic assessment in patients with MG. Methods: Following PRISMA guidelines, we systematically searched PubMed, Embase, and Scopus for relevant articles published from January 2010 to May 2025. Studies using machine learning techniques to predict MG-related outcomes based on structured or semi-structured clinical variables were inclu
СтатьяОбзорПолный 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.
OBJECTIVE: This study aimed to identify independent risk factors for bronchopulmonary dysplasia (BPD) at multiple postnatal time points in extremely preterm (EP) or very low birth weight (VLBW) infants and to develop machine learning-based dynamic prediction models for early risk stratification and intervention.
METHODS: This study utilized retrospective data from EP or VLBW infants (gestational age (GA) < 32 weeks or birth weight (BW) < 1500 g) admitted to the First Affiliated Hospital of Xinjiang between 2017 and 2022. The dataset was randomly divided into training (70%) and validation (30%
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: Cardiovascular disease (CVD) is the leading cause of death in patients with chronic kidney disease (CKD). This study aimed to develop CVD risk prediction models using machine learning to support clinical decision making and improve patient prognosis.
METHODS: Electronic medical records from patients with CKD at a single center from 2015 to 2020 were used to develop machine learning models for the prediction of CVD. Least absolute shrinkage and selection operator (LASSO) regression was used to select important features predicting the risk of developing CVD. Seven machine learning
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: Colorectal cancer is a prevalent malignancy of the digestive system, with an increasing incidence. Lower extremity deep vein thrombosis (DVT) is a frequent postoperative complication, occurring in up to 40% of cases.
OBJECTIVE: This research aims to develop and validate a machine learning model (ML) to predict the risk of lower limb deep vein thrombosis in patients with colorectal cancer, facilitating preventive and therapeutic measures to enhance recovery and ensure safety.
METHODS: In this retrospective cohort study, we collected data from 429 colorectal cancer patients from Ja
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 explore the feasibility and validity of machine learning models in determining causality in medical malpractice cases and to try to increase the scientificity and reliability of identification opinions.
METHODS: We collected 13,245 written judgments from PKULAW.COM, a public database. 963 cases were included after the initial screening. 21 medical and ten patient factors were selected as characteristic variables by summarising previous literature and cases. Random Forest, eXtreme Gradient Boosting (XGBoost) and Light Gradient Boosting Machine (LightGBM) were used to establish pred
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.
The taste of tea is one of the key indicators in the evaluation of its quality and is a key factor in its grading and market pricing. To objectively and digitally evaluate the taste quality of tea leaves, miniature near-infrared (NIR) spectroscopy and electronic tongue (ET) sensors are considered effective sensor signals for the characterization of the taste quality of tea leaves. This study used micro-NIR spectroscopy and ET sensors in combination with data fusion strategies and chemometric tools for the taste quality assessment and prediction of multiple grades of black tea. Using NIR featur
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.
The complex wavelet sub-band bi-spectrum (CWSB) features are proposed for detection and classification of myocardial infarction (MI), heart muscle disease (HMD) and bundle branch block (BBB) from 12-lead ECG. The dual tree CW transform of 12-lead ECG produces CW coefficients at different sub-bands. The higher-order CW analysis is used for evaluation of CWSB. The mean of the absolute value of CWSB, and the number of negative phase angle and the number of positive phase angle features from the phase of CWSB of 12-lead ECG are evaluated. Extreme learning machine and support vector machine (SVM) c
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 increasing complexity of classroom environments necessitates nigh-on-sophisticated methods for the detection and analysis of student behavior, especially in Japanese language education, where engagement and attention are crucial for effective learning. This study presents a new model to integrate the AlexNet deep Neural Network combined with an Extreme Learning Machine (ELM) for enhanced feature extraction and classification accuracy in the detection of student behavior under wireless network settings. Up until now, optimizer parameters of the ELM need to be adjusted to enhance the converg
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.
Neurodegenerative diseases that affect serious gait abnormalities include Parkinson's disease (PD), amyotrophic lateral sclerosis (ALS), and Huntington disease (HD). These diseases lead to gait rhythm distortion that can be determined by stride time interval of footfall contact times. In this paper, we present a new method for gait classification of neurodegenerative diseases. In particular, we utilize a symbolic aggregate approximation algorithm to convert left-foot stride-stride interval into a sequence of symbols using a symbolic aggregate approximation. We then find string prototypes of ea
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: Spread through air spaces (STAS) is a key adverse pathologic feature in clinically early-stage non-small cell lung cancer (NSCLC) and is associated with higher recurrence risk, which can undermine the oncologic safety of sublobar resection. Because STAS is typically confirmed only on postoperative specimens and cannot be reliably determined preoperatively, this study aimed to develop and validate machine learning models integrating preoperative clinical and computed tomography (CT) imaging characteristics to predict STAS in clinical stage IA NSCLC to support surgical procedure sele
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.
Exosomes are 30-150 nm extracellular vesicles that convey molecular information reflecting the physiological and pathological states of their source cells. In precision oncology, they function as a non-invasive "liquid biopsy," enabling real-time monitoring of tumor dynamics and metastasis. However, extreme biofluid heterogeneity poses significant challenges for their isolation and analysis using conventional statistical approaches. This review aims to examine how artificial intelligence (AI), specifically machine learning and deep learning, transforms complex exosomal "noise" into actionable
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.
Predicting the functional impact of single-point mutations on protein residual activity, especially after high-temperature incubation, is critical in protein engineering. We present an innovative machine learning model based on eXtreme Gradient Boosting that leverages protein sequence data to predict thermostability, circumventing the need for three-dimensional structural information. Our model integrates features from the ESM2 language model, physicochemical properties, evolutionary features, and positional features. A key advancement is the use of transfer learning with thermal stability dat
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: Early differentiation of progressive supranuclear palsy from Parkinson's disease is challenging due to overlapping motor features, particularly in early disease stages where clinical misclassification is common. Wearable inertial sensors provide high-resolution gait data that may reveal disease-specific and clinically relevant signatures.
OBJECTIVE: To evaluate whether sensor-derived gait measures can distinguish progressive supranuclear palsy from Parkinson's disease using machine learning, and to compare performance between raw time-series signals and aggregate spatiotemporal va
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.
INTRODUCTION: Intention to use contraceptives reflects an individual's or couple's plan to adopt contraceptive methods, supporting women's reproductive autonomy. It is associated with reduced unintended pregnancies, unsafe abortions, and high fertility rates, thereby improving maternal and infant health outcomes. Machine learning approaches can strengthen prediction accuracy and support evidence-based reproductive health planning. This study aimed to predict women's intention to use contraceptives in East Africa using machine-learning methods.
METHODS: We analyzed Demographic and Health Surve
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: Ischemic stroke is the most prevalent type of stroke worldwide, accounting for approximately 85% of all stroke cases and resulting in the deaths of about 6.4 million people annually. Among stroke survivors, more than 60% experience varying degrees of functional impairment within three months following the stroke. Therefore, early identification and prediction of the risk of adverse outcomes after stroke are crucial. This study seeks to create an intuitive and clinically relevant machine learning model to predict the risk of adverse prognostic outcomes within one year in patients su
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.
OBJECTIVE: This study used explainable machine learning models to classify prevalent hypertension status in the general population.
METHODS: This cross-sectional study used clinical data collected with questionnaires, physical examinations, blood biochemistry, and routine urine tests from 4,800 permanent residents aged ≥18 years old in Hainan Province, China, from 2021 to 2022. The random forest algorithm was applied to select the most significant features based on importance scores of all variable features. Models for hypertension prevalence classification were created using six machine lear
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: Early identification of extremely preterm infants at risk of moderate-to-severe bronchopulmonary dysplasia (BPD) or death remains challenging. We assessed whether minute-by-minute respiratory data from the first 24 h improves early prediction of this outcome using explainable machine learning.
METHODS: Retrospective cohort of 192 infants <30 weeks' gestation (2019-2024). Logistic regression, random forest, and XGBoost models were trained on 17 predictors and summarized 24-h respiratory data. Evaluation used AUROC, AUPRC, Brier score, calibration, and decision curves, with SHAP for
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 AND PURPOSE: Repeat transurethral resection (ReTUR) is essential for reducing residual and recurrent non-muscle-invasive bladder cancer (NMIBC). Pathological upstaging after ReTUR significantly influences prognosis. This study aimed to develop an interpretable machine learning model using CT radiomics to predict the risk of pathological upstaging following ReTUR in NMIBC patients. PATIENTS AND METHODS: We retrospectively analyzed 104 NMIBC patients who underwent ReTUR at the Second Affiliated Hospital of Nanchang University from March 2019 to July 2022. Data were split 7:3 into trai
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 investigate the feasibility of constructing machine learning models based on mammographic signs and clinical information to predict histological grading in ductal carcinoma in situ (DCIS) of the breast.
METHODS: A retrospective analysis was conducted on mammographic signs and clinical data from 243 patients diagnosed with breast DCIS, confirmed by pathology. The patients were divided into non-high-grade (n=110, including low- and intermediate-grade) and high-grade (n=133) groups based on histological results. Statistical analysis was performed on 10 clinical vari
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: Unscheduled return visits (URVs) to emergency departments (EDs) contribute significantly to healthcare burden through resource utilization and ED overcrowding. While artificial intelligence (AI) methodologies show potential in URV prediction, existing studies have employed limited algorithms with moderate performance, highlighting the need for comprehensive AI architecture comparison within unified cohorts.
OBJECTIVE: This study evaluated the predictive performance of multiple AI models for 72-h ED URVs, aiming to identify optimal risk stratification strategies for improved discha
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