BACKGROUND AND OBJECTIVE: Increasing and compelling evidence has been proved that urinary and dietary metal exposure are underappreciated but potentially modifiable biomarkers for type 2 diabetes mellitus (T2DM). The aims of this study were (1) to identify the key potential biomarkers which contributed to T2DM with effective and parsimonious features and (2) to assess the utility of baseline variables and metal exposure in the diagnosis of T2DM.
METHODS: Based on the National Health and Nutrition Examination Survey (NHANES), we selected 9822 screening records with 82 significant variables cov
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 capture of carbon dioxide is extremely important due to the increasingly severe greenhouse effect, and the conversion of dinitrogen into high-value N-C compounds is of great significance. Here, we predict through density functional theory calculations that the coupling of dinitrogen with carbon dioxide by methyleneborane becomes favorable both thermodynamically and kinetically. Machine learning analysis suggests that increasing the HOMO-LUMO gap or the charge on the boron atom or decreasing the charge of the nitrogen atom will reduce the reaction energies. N2 coupling is examined as a conc
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.
Peripheral arterial disease (PAD) causes blockage of the arteries, altering the blood flow to the lower limbs. This blockage can cause the individual with PAD to feel severe pain in the lower limbs. The main contribution of this research is the discovery of a solution that allows the automatic detection of the onset of claudication based on data analysis from patients' smartphones. For the data-collection procedure, 40 patients were asked to walk with a smartphone on a thirty-meter path, back and forth, for six minutes. Each patient conducted the test twice on two different days. Several machi
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: Acute type A aortic dissection (ATAAD) is an extremely life-threatening cardiovascular emergency characterized by a critical clinical course and high mortality rate. Once the diagnosis is confirmed, emergency surgical intervention is required to save the patient's life. Postoperative paraplegia is a relatively rare but severe surgical complication, typically manifesting as transient or permanent loss of sensory and motor functions in both lower extremities after surgery. It severely impairs patients' survival and prognosis, imposing a heavy burden on both patients' families and the
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 high burden of lung diseases on healthcare necessitates effective detection methods. Current Computer-aided design (CAD) systems are limited by their focus on specific diseases and computationally demanding deep learning models. To overcome these challenges, we introduce CNN-O-ELMNet, a lightweight classification model designed to efficiently detect various lung diseases, surpassing the limitations of disease-specific CAD systems and the complexity of deep learning models. This model combines a convolutional neural network for deep feature extraction with an optimized extreme learning mach
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.
Diabetes is a heterogenous, multimorbid disorder with a large variation in manifestations, trajectories, and outcomes. The aim of this study is to validate a novel machine learning method for the phenotyping of diabetes in the context of comorbidities. Data from 9967 multimorbid patients with a new diagnosis of diabetes were extracted from Clinical Practice Research Datalink. First, using BEHRT (a transformer-based deep learning architecture), the embeddings corresponding to diabetes were learned. Next, topological data analysis (TDA) was carried out to test how different areas in high-dimensi
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: Estimating surgical case duration accurately is an important operating room efficiency metric. Current predictive techniques in spine surgery include less sophisticated approaches such as classical multivariable statistical models. Machine learning approaches have been used to predict outcomes such as length of stay and time returning to normal work, but have not been focused on case duration.
OBJECTIVE: The primary objective of this 4-year, single-academic-center, retrospective study was to use an ensemble learning approach that may improve the accuracy of scheduled case duration
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: Models for predicting preterm birth generally have focused on very preterm (28-32 weeks) and moderate to late preterm (32-37 weeks) settings. However, extreme preterm birth (EPB), before the 28th week of gestational age, accounts for the majority of newborn deaths. We investigated the extent to which deep learning models that consider temporal relations documented in electronic health records (EHRs) can predict EPB.
STUDY DESIGN: EHR data were subject to word embedding and a temporal deep learning model, in the form of recurrent neural networks (RNNs) to predict EPB. Due to the low
СтатьяПоддержка NIH: внешняя программаПоиск 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.
Type 2 diabetes mellitus (T2DM) is a prevalent chronic condition, particularly in the elderly, and is associated with an increased risk of cognitive decline, including mild cognitive impairment (MCI). This study aimed to develop and validate an interpretable machine learning (IML) model to predict MCI in elderly T2DM patients using routine clinical data. A retrospective cohort of 923 elderly T2DM patients (≥ 60 years) was analyzed, with data collected from January 2021 to January 2025. Key MCI predictors were selected using a two-stage feature selection process involving Boruta and least absol
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: Acute monoarthritis in children poses a diagnostic challenge, particularly in distinguishing septic arthritis from non-infectious inflammatory causes. Delayed or incorrect diagnosis may lead to serious complications or inappropriate treatment. This study aims to develop and validate machine learning (ML) models for distinguishing septic arthritis from non-infectious inflammatory arthritis in children presenting with acute monoarthritis, using routinely available laboratory markers including body temperature, conventional inflammatory markers (CRP and ESR), and complete blood count (
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.
Disseminated intravascular coagulation (DIC) is a thrombo-hemorrhagic disorder that can be life-threatening in critically ill children, and the quest for an accurate and efficient method for early DIC prediction is of paramount importance. Candidate predictors encompassed demographics, comorbidities, laboratory findings, and therapy strategies. A stepwise logistic regression model was employed to select the features included in the final model. Six machine learning algorithms-logistic regression (LR), extreme gradient boosting (XGB), random forest (RF), support vector machine (SVM), decision t
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: To explore the application value of machine learning algorithms in constructing a predictive model for cardiovascular toxicity in breast cancer patients receiving anthracycline-based chemotherapy. Methods: This study was a retrospective cohort study. The female patients with breast cancer who received anthracyclines in the Affiliated Cancer Hospital of Xinjiang Medical University from January 2020 to December 2023 were enrolled. The endpoint event was abnormal electrocardiogram (ECG). According to whether the patients had ECG abnormalities during chemotherapy, they were divided into
Аннотация на английскомСтатьяПоиск 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 occurrence of Gleason grade group upgrading (GGU) significantly impacts treatment strategy developments. We aimed to develop an optimal predictive model to assess the risk of GGU in patients with localized prostate cancer (PCa), by comparing traditional logistic regression (LR) with seven machine learning algorithms.
METHODS: A retrospective collection of clinical data was conducted on patients who underwent radical prostatectomy at Wuhan Central Hospital (January 2017 to December 2023, n = 177) and Jiangxi Cancer Hospital (July 2019 to February 2024, n = 87). The least abso
СтатьяСравнительное 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.
BACKGROUND: Sepsis is a life-threatening condition, particularly in intensive care unit (ICU) patients with chronic kidney disease (CKD). However, accurate prediction of in-hospital mortality in this high-risk population remains a clinical challenge. This study aimed to develop and validate machine learning (ML) models to predict in-hospital mortality among ICU patients with sepsis and CKD. METHODS: Patients diagnosed with both sepsis and CKD were identified from the Medical Information Mart for Intensive Care IV (MIMIC-IV) database. Feature selection was performed using the Boruta algorithm.
СтатьяВалидационное 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.
BACKGROUND: Low back pain imposes a substantial burden on global healthcare systems. Kinesiophobia is highly prevalent among older adults with chronic low back pain, severely hindering effective intervention and treatment. However, current assessment of kinesiophobia in this population remain inadequate, necessitating further research. This study aimed to develop a predictive model to identify key factors influencing kinesiophobia in older adults with chronic low back pain, thereby assisting clinicians in assessment and interventions.
METHODS: A cross-sectional study was conducted among 386 o
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: This systematic review aims to identify predictors of intradialytic hypotension (IDH) in critically ill patients undergoing kidney replacement therapy (KRT) for acute kidney injury (AKI).
METHODS: A comprehensive search of PubMed was conducted from 2002 to April 2024. Studies included critically ill adults undergoing KRT for AKI, excluding pediatric patients, non-critically ill individuals, those with chronic kidney disease, and those not undergoing KRT. The primary outcome was identifying predictive tools for hypotensive episodes during KRT sessions.
RESULTS: The review analyzed
СтатьяОбзорПолный 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.
Heat stress poses a significant challenge to livestock farming, particularly affecting the health and productivity of high-yield dairy cows. This study develops a machine learning framework aimed at predicting the core body temperature (CBT) of dairy cows to enable more effective heat stress management and enhance animal welfare. The dataset includes 3005 records of physiological data from real-world production environments, encompassing environmental parameters, individual animal characteristics, and infrared temperature measurements. Employed machine learning algorithms include elastic net (
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.
INTRODUCTION AND OBJECTIVES: With rising prevalence of pre-sarcopenia in metabolic dysfunction-associated steatotic liver disease (MASLD), this study aimed to develop and validate machine learning-based model to identify pre-sarcopenia in MASLD population.
MATERIALS AND METHODS: A total of 571 MASLD subjects were screened from the National Health and Nutrition Examination Survey 2017-2018. This cohort was randomly divided into training set and internal testing set with a ratio of 7:3. Sixty-six MASLD subjects were collected from our institution as external validation set. Four binary classifi
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: Estimating the risk of a difficult tracheal intubation should help clinicians in better anaesthesia planning, to maximize patient safety. Routine bedside screenings suffer from low sensitivity.
OBJECTIVE: To develop and evaluate machine learning (ML) and deep learning (DL) algorithms for the reliable prediction of intubation risk, using information about airway morphology.
METHODS: Observational, prospective cohort study enrolling n=623 patients who underwent tracheal intubation: 53/623 difficult cases (prevalence 8.51%). First, we used our previously validated deep convolutional
Наблюдательное исследованиеСтатьяПоиск 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: Recent advances in machine learning have given rise to deep learning, which uses hierarchical layers to build models, offering the ability to advance value-based healthcare by better predicting patient outcomes and costs of a given treatment. The purpose of this study is to compare the performance of 2 common deep learning models, traditional multilayer perceptron (MLP), and the newer dense neural network (DenseNet), in predicting outcomes for primary total hip arthroplasty (THA) and total knee arthroplasty (TKA) as a foundation for future musculoskeletal studies seeking to utilize
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