Although magnetic resonance imaging (MRI) is the gold standard for diagnosing degenerative cervical myelopathy (DCM), its cost and limited availability can delay diagnosis. Deep learning (DL) models with convolutional neural networks (CNNs) may offer a screening alternative with plain radiographs. We aimed to develop a CNN-based DL algorithm to predict spinal cord compression (SCC) using dynamic cervical lateral radiographs (flexion, neutral, extension), perform multi-institutional validation, and identify potential causal features using gradient-weighted class activation mapping (Grad-CAM) an
СтатьяМногоцентровое исследованиеВалидационное 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.
OBJECTIVE: To develop a predictive model for disability risk in older adults using machine learning algorithms.
METHODS: A convenience sample of 13,809 older adults (aged ≥60 years) was recruited from seven medical institutions, three communities, and five nursing homes in Zunyi City, Guizhou Province. Participants were randomly divided into a training set (n = 9667) and a validation set (n = 4142) at a 7:3 ratio. Disability status was used as the outcome variable. Nine machine learning algorithms-logistic regression, decision tree, random forest, XGBoost, LightGBM, support vector machine, ar
СтатьяВалидационное исследованиеПолный 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: Osteoporotic vertebral fractures (OVFs) are common in older adults and often lead to disability if not properly diagnosed and classified. With the increased use of computed tomography (CT) imaging and the development of radiomics and deep learning technologies, there is potential to improve the classification accuracy of OVFs.
OBJECTIVE: This study aims to evaluate the efficacy of a deep learning radiomics model, derived from CT imaging, in accurately classifying OVFs.
METHODS: The study analyzed 981 patients (aged 50-95 years; 687 women, 294 men), involving 1098 vertebrae, from
СтатьяВалидационное 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.
Malaria remains a critical health challenge in developing countries, particularly in Africa, where it disproportionately affects vulnerable populations. Accurate malaria severity prediction is important for proper treatment and improved patient survival rates. This study proposes an improved Slime Mould Algorithm (iSMA) to address the limitations of the standard SMA, including slow convergence, poor initialization, local optima entrapment, and imbalance between exploration and exploitation. The iSMA incorporates four key innovations: a Chaotic Initialization Strategy (CIS) to generate a divers
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.
Following complete mesocolic excision (CME), heart failure (HF) emerges as a significant complication, exerting substantial impacts on both short-term and long-term patient prognoses. The primary objective of our investigation was to develop a machine learning model capable of discerning preoperative and intraoperative high-risk factors, facilitating the prediction of HF occurrence subsequent to CME. A cohort comprising 1158 patients diagnosed with colon cancer was enrolled in our study, encompassing 172 individuals who developed postoperative HF. We compiled 37 feature variables, spanning pat
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: Controversy remains about whether to pin the contralateral side in cases of unilateral slipped capital femoral epiphysis (SCFE). Machine learning (ML) algorithms can be leveraged to identify complex, nonlinear patterns in data and allow for more accurate predictions on which patients may need a prophylactic pin. The goal of this study was to use ML to develop a predictive model for contralateral SCFE using previously established risk factors as well as emerging radiographic measures.
METHODS: This retrospective study from two large centers included all patients aged <18 years trea
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.
This study systematically evaluated the predictive performance of 10 international warfarin dosing algorithms (originating from the United States, China, Singapore, Thailand, India, United Kingdom, Japan, and South Korea) in 87 Chinese patients, aiming to identify optimal algorithms for warfarin dose optimization. Clinical and genetic data were analyzed using mean dose error (MDE) and ideal dose prediction (IDP) rate metrics, with sensitivity analysis stratifying patients into low-dose (≤14 mg/week, n = 21), medium-dose (14-21 mg/week, n = 43), and high-dose (≥21 mg/week, n = 23) groups based
СтатьяСравнительное исследованиеПолный 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.
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2025eng
PURPOSE: This study was designed to develop a machine learning (ML) model that predicts future Cobb angle in patients with adolescent idiopathic scoliosis (AIS) using minimal radiographs and simple questionnaires during the first and second visits.
METHODS: Our study focused on 887 female patients with AIS who were initially consulted at a specialized scoliosis center from July 2011 to February 2023. Patient data, including demographic and radiographic data based on anterior-posterior and lateral whole-spine radiographs, were collected at the first, second, and final visits. ML algorithms wer
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: Diabetic foot ulcer (DFU) is a serious and destructive complication of diabetes, which has a high amputation rate and carries a huge social burden. Early detection of risk factors and intervention are essential to reduce amputation rates. With the development of artificial intelligence technology, efficient interpretable predictive models can be generated in clinical practice to improve DFU care.
AIM: To develop and validate an interpretable model for predicting amputation risk in DFU patients.
METHODS: This retrospective study collected basic data from 599 patients with DFU in B
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 identify the correlation between ultrasound findings and the incidence of differential renal function (DRF) <40%, we conducted an analysis of the key parameters of urinary tract ultrasound in children with unilateral hydronephrosis. For children with unilateral hydronephrosis, DRF <40% serves as a compelling indication for surgical intervention, and it can be assessed through diuretic renogram. However, a significant number of patients do not have convenient access to high-quality renograms. So we conducted this analysis aiming to identifying value of urinary tract ultrasound in
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.
Effective prediction of Aedes mosquito abundance and dengue risk indicators such as the Aedes Index (AI) and Dengue Positive Trap Index (DPTI) is essential for early intervention and targeted vector control. However, current models often rely on coarse regional data and fail to account for microclimatic variations, limiting their predictive accuracy in dengue hotspots. This study developed fine-scale predictive models using machine learning algorithms; Artificial Neural Networks (ANN), Random Forest (RF), and Support Vector Machines (SVM) to estimate mosquito abundance and dengue risk at the s
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 objective of this study was to develop and validate a machine learning (ML) model for predict in-hospital mortality among critically ill patients with congestive heart failure (CHF) combined with chronic kidney disease (CKD).
METHODS: After employing least absolute shrinkage and selection operator regression for feature selection, six distinct methodologies were employed in the construction of the model. The selection of the optimal model was based on the area under the curve (AUC). Furthermore, the interpretation of the chosen model was facilitated through the utilization of
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.
Nanoparticles impose multidimensional effects on living cells that significantly vary among different studies. Machine learning (ML) methods are recommended to elucidate more consistence and predictable relations among the affected parameters. In this study, nine ML algorithms [Support-Vector Regression (SVR), Linear, Bagging, Stochastic Gradient Descent (SGD), Gaussian Process, Random Sample Consensus (RANSAC), Partial Least Squares (PLS), Kernel Ridge, and Random Forest] were applied to evaluate their efficiency in predicting the effects of zinc oxide nanoparticles (ZnO NPs: 0.5, 1, 5, 25, 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.
OBJECTIVE: Among patients with a history of prior lipomyelomeningocele repair, an association between increased lumbosacral angle (LSA) and cord retethering has been described. The authors sought to build a predictive algorithm to determine which complex tethered cord patients will develop the symptoms of spinal cord retethering after initial surgical repair with a focus on spinopelvic parameters.
METHODS: An electronic medical record database was reviewed to identify patients with complex tethered cord (e.g., lipomyelomeningocele, lipomyeloschisis, myelocystocele) who underwent detethering b
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.
Drug-resistant tuberculosis (DR-TB) and HIV coinfection present a conundrum to public health globally and the achievement of the global END TB strategy in 2035. A descriptive, retrospective review of medical records of patients, who were diagnosed with DR-TB and received treatment, was conducted. Student's t-test was performed to assess differences between two means and ANOVA between groups. The Chi-square test with or without trend or Fischer's exact test was used to test the degree of association of categorical variables. Logistic regression was used to determine predictors of DR-TB treatmen
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: Chronic post-surgical pain (CPSP) is a common but undertreated condition with a high prevalence among patients undergoing total knee arthroplasty (TKA). An effective model for CPSP prediction has not been established yet.
AIMS: To construct and validate machine learning models for the early prediction of CPSP among patients undergoing TKA.
DESIGN: A prospective cohort study.
PARTICIPANTS/SUBJECTS: A total of 320 patients in the modeling group and 150 patients in the validation group were recruited from two independent hospitals between December 2021 and July 2022. They were foll
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.
Despite the availability of efficacious direct-acting antiviral (DAA) therapy, the number of people infected with hepatitis C virus (HCV) continues to rise, and HCV remains a leading cause of liver-related morbidity, liver transplantation, and mortality. We developed and validated machine learning (ML) algorithms to predict DAA treatment failure. Using the HCV-TARGET registry of adults who initiated all-oral DAA treatment, we developed elastic net (EN), random forest (RF), gradient boosting machine (GBM), and feedforward neural network (FNN) ML algorithms. Model performances were compared with
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: Continuously growing of HIV incidence among men who have sex with men (MSM), as well as the low rate of HIV testing of MSM in China, demonstrates a need for innovative strategies to improve the implementation of HIV prevention. The use of machine learning algorithms is an increasing tendency in disease diagnosis prediction. We aimed to develop and validate machine learning models in predicting HIV infection among MSM that can identify individuals at increased risk of HIV acquisition for transmission-reduction interventions.
METHODS: We extracted data from MSM sentinel surveillance
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.
BACKGROUND: Little is known about whether machine-learning algorithms developed to predict opioid overdose using earlier years and from a single state will perform as well when applied to other populations. We aimed to develop a machine-learning algorithm to predict 3-month risk of opioid overdose using Pennsylvania Medicaid data and externally validated it in two data sources (ie, later years of Pennsylvania Medicaid data and data from a different state).
METHODS: This prognostic modelling study developed and validated a machine-learning algorithm to predict overdose in Medicaid beneficiarie
СтатьяПоддержка NIH: внешняя программаПоиск 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: Patients with coronavirus disease 2019 (COVID-19) could develop severe disease requiring admission to the intensive care unit (ICU). This article presents a novel method that predicts whether a patient will need admission to the ICU and assesses the risk of in-hospital mortality by training a deep-learning model that combines a set of clinical variables and features in chest radiographs.
METHODS: This was a prospective diagnostic test study. Patients with confirmed severe acute respiratory syndrome coronavirus 2 infection between March 2020 and January 2021 were included. This stu
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