OBJECTIVE: Risk stratification of patients with congestive heart failure (HF) is vital in clinical practice. The aim of this study was to construct a machine learning model to predict the in-hospital all-cause mortality for intensive care unit (ICU) patients with HF.
METHODS: eXtreme Gradient Boosting algorithm (XGBoost) was used to construct a new prediction model (XGBoost model) from the Medical Information Mart for Intensive Care IV database (MIMIC-IV) (training set). The eICU Collaborative Research Database dataset (eICU-CRD) was used for the external validation (test set). The XGBoost mo
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.
Street crime is a common social problem that threatens the security of people's lives and property. Understanding the influencing mechanisms of street crime is an essential precondition for formulating crime prevention strategies. Widespread concern has contributed to the development of streetscape environment features as they can significantly affect the occurrence of street crime. Emerging street view images are a low-cost and highly accessible data source. On the other hand, machine-learning models such as XGBoost (eXtreme Gradient Boosting) usually have higher fitting accuracies than those
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.
BACKGROUND: This study sought to provide machine learning-based classification models to predict the success of intrauterine insemination (IUI) therapy. Additionally, we sought to illustrate the effect of models fitting with balanced data vs original data with imbalanced data labels using two different types of resampling methods. Finally, we fit models with all features against optimized feature sets using various feature selection techniques.
METHODS: The data for the cross-sectional study were collected from 546 infertile couples with IUI at the Fatemehzahra Infertility Research Center, Ba
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.
STUDY DESIGN: Retrospective study.
OBJECTIVE: This work aims to estimate using machine learning the occurrence of knee flexion in relation to spinopelvic parameters in lumbar degenerative pathologies.
BACKGROUND: Adult spinal deformity (ASD) significantly impairs quality of life, prompting the need for preoperative alignment assessment. Common compensatory mechanisms include thoracic hypokyphosis and pelvic retroversion. With the advent of full-body EOS imaging, spinopelvic measures understanding improved. In fact, there are strong correlations between knee flexion and HRQoL underscore the i
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: We aimed to assess the diagnostic potential of six leukocyte parameters (NE-WX, LY-Y, MO-WY, MO-Y, MO-Z, and NE-SFL) for lung cancer by analysing 423 patients, 39 benign cases, and 346 healthy controls.
METHODS: The results of these six leukocyte parameters were compared among groups using the Kruskal-Wallis H test. Multivariate logistic regression was used to analyze correlations between NE-WX, LY-Y, MO-WY, MO-Y, MO-Z, NE-SFL, and lung cancer diagnosis. Patients were randomly grouped into training and testing sets, and nine machine-learning models (support vector machine, gradi
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: Traumatic spinal cord injury (TSCI), a severe central nervous system injury, despite treatment advances, critically ill patients with TSCI face high short-term mortality. This study leverages machine learning to integrate standard intensive care unit (ICU) indicators, identifying 7-day high-mortality risk patients with TSCI to optimize treatment.
METHODS: Using critically ill patients with TSCI data from the Medical Information Mart for Intensive Care 2.2 database, this study employs the Boruta and LASSO regression algorithms to identify key features, developing a 7-day mortality
СтатьяМногоцентровое исследованиеВалидационное исследованиеПоддержка 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.
Drug-induced QT interval prolongation is a key biomarker of proarrhythmic risk and central to drug cardiac safety evaluation alongside in vitro assays and animal studies, yet current preclinical frameworks provide limited insight into how experimental uncertainty and extreme exposures translate into real-world arrhythmic risk despite both factors critically modulating outcomes. To address this, we used sex-specific machine learning surrogate models trained on 3D cardiac digital twins-mechanistic electrophysiology models of anatomically detailed ventricles that integrate multichannel ion channe
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: Methanol poisoning poses significant challenges due to its rapid progression and high mortality rate, necessitating timely and accurate ICU admission decisions. Explainable artificial intelligence (XAI) offers transparent insights into these decisions, enhancing trust and interpretability in predictive models. This study aims was to compare the effectiveness of deep learning and machine learning models in predicting ICU admissions for methanol poisoning patients using explainable AI techniques.
METHODS: This study analyzed a dataset of 897 patient records collected from Loghman Ha
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.
Drug use stems from biopsychosocial factors. This study classified 18 drug types using personality and demographics. After preprocessing, three sampling techniques Random Oversampling, Synthetic Minority Over-sampling Technique using Euclidean Norm (SMOTEN), Synthetic Minority Over-sampling Technique using Euclidean Norm - Edited Nearest Neighbors (SMOTEENN) and seven machine learning (ML) models Random Forest (RF), Extreme Gradient Boosting (XGBoost), Decision tree (DT), Extra Tree, Support Vector Classification (SVC), Linear SVC and Logistic Regression (LR) were applied to build a robust, ac
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2015eng
This paper describes a system for the recognition of sleep apnoea episodes from ECG signals using a committee of extreme learning machine (ELM) classifiers. RR-interval parameters (heart rate variability) have been used as the identifying features as they are directly affected by sleep apnoea. The MIT PhysioNet Apnea-ECG database was used. A committee of five ELM classifiers has been employed to classify one-minute epochs of ECG into normal or apnoeic epochs. Our results show that the classification performance from the committee of networks was superior to the results of a single ELM classifi
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
Pattern classification of ingestive behavior in grazing animals has extreme importance in studies related to animal nutrition, growth and health. In this paper, a system to classify chewing patterns of ruminants in in vivo experiments is developed. The proposal is based on data collected by optical fiber Bragg grating sensors (FBG) that are processed by machine learning techniques. The FBG sensors measure the biomechanical strain during jaw movements, and a decision tree is responsible for the classification of the associated chewing pattern. In this study, patterns associated with food intake
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.
Identifying COVID-19 through blood sample analysis is crucial in managing the disease and improving patient outcomes. Despite its advantages, the current test demands certified laboratories, expensive equipment, trained personnel, and 3-4 h for results, with a notable false-negative rate of 15%-20%. This study proposes a stacked deep-learning approach for detecting COVID-19 in blood samples to distinguish uninfected individuals from those infected with the virus. Three stacked deep learning architectures, namely the StackMean, StackMax, and StackRF algorithms, are introduced to improve the det
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.
Under anthropogenic climate change, intensifying extreme climatic events are increasingly reshaping lake cyanobacterial blooms. However, their contributions remain poorly quantified and the causal pathways are unclear, limiting their integration into attribution and early warning systems and posing risks to drinking water safety. Here, we fuse 22 years of multisource daily records, build a distributed lag nonlinear model (DLNM) with counterfactual decomposition to separate the marginal effects of extremes from the concurrent normal climate load, and develop a transferable machine learning nowc
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.
OBJECTIVES: Accurate prediction of adverse histopathological status (AHS) in gastric cancer (GC) is clinically crucial due to its strong association with poor prognosis. This study aims to develop and validate a CT-based machine learning model for AHS prediction, and establish an interpretable imaging score (I-score) for prognostic stratification.
METHODS: In this dual-center retrospective study, 1164 GC patients undergoing radical gastrectomy between 2014 and 2023 were included. Four semantic CT features, including clinical lymph node status (cN), longest diameter (LD), tumor thickness (TT),
СтатьяВалидационное исследованиеМногоцентровое 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.
The bond strength of corroded reinforced concrete (CRC) structures is critical for structural safety and long-term durability. However, the corrosion-induced bond degradation process is influenced by multiple, coupled factors and exhibits complex, nonlinear behavior, making it difficult for traditional theoretical models to provide accurate predictions. To address this challenge, this study proposes a novel, unified prediction framework based on machine learning techniques. A total of 391 experimental datasets were collected and compiled, covering key parameters including bond strength, reinfo
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 CONTEXT: Proximal junctional kyphosis (PJK) is a well-recognized complication of adult spinal deformity surgery. However, traditional proximal junctional angle (PJA) thresholds (15°) and revision-predictive thresholds (28°) may represent distinct clinical entities with unique etiologies.
PURPOSE: To analyze and compare predictive risk factors for moderate (PJA≥15°) and severe (PJA≥28°) PJK using machine learning.
STUDY DESIGN/SETTING: Retrospective study.
PATIENT SAMPLE: A total of 374 patients who underwent adult spinal deformity surgery with a minimum 2-year follow-up.
OUTCOME
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/Objectives: Heart failure (HF) is associated with structural changes such as ventricular dilation, hypertrophy and fibrosis that alter conduction pathways and leave characteristic traces in the electrical activity of each heartbeat. Individuals diagnosed with HF exhibit a range of clinical manifestations and require diverse therapeutic interventions. Nevertheless, an accurate and timely diagnosis must precede any therapeutic approach. Patients with HF and a high ejection fraction (EF) frequently remain undiagnosed, as preliminary medical assessments cannot effectively distinguish th
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: The purpose of this study was to use machine learning models to predict the risk of hyperlipidemia in people with HIV (PWH) for 6 months after starting HAART, to improve early intervention efforts and prevent further progression to cardiovascular and cerebrovascular diseases.
METHODS: This study enrolled HAART-naive individuals who visited the clinic at Beijing Ditan Hospital between January 2015 and January 2023. All clinical features were extracted from the electronic medical records. A classification prediction model was established based on various machine learning algorithms,
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: Gestational diabetes mellitus (GDM) affects over 5% of pregnancies worldwide, elevating risks of type 2 diabetes post partum and complications such as fetal death, miscarriage, and congenital abnormalities. Effective GDM management is essential to balance glycemic control and pregnancy outcomes.
OBJECTIVE: We aim to develop interpretable machine learning models using GDM datasets for predicting adverse pregnancy outcomes and identifying key factors through the Shapley additive explanations (SHAP) algorithm, thus supporting improved maternal and infant health.
METHODS: Data prepro
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.
BACKGROUND: Herpes zoster (HZ) poses a growing public health challenge among adults aged 50 and above, with vaccine hesitancy being a major barrier to improving immunization rates. Understanding the factors driving HZ vaccine hesitancy is essential for developing strategies to enhance vaccination uptake in this population. This study aims to identify and analyze the key determinants of HZ vaccine hesitancy using machine learning models, providing insights to guide targeted educational strategies and interventions.
METHODS: A cross-sectional study was conducted from April to August 2024, colle
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.
MedElevator
Войти в исследования