BACKGROUND: Opioid use disorder (OUD) remains a critical public health crisis in the United States. Despite widespread policy and clinical interventions, early identification of individuals at risk for developing OUD remains challenging due to limitations in traditional screening approaches and a lack of individualized risk stratification methods. Machine learning (ML) methods offer an opportunity to develop timely, high-performing, and explainable predictive models that can enhance OUD prevention strategies in clinical settings.
OBJECTIVE: This study aims to develop and validate an ML model
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.
In Hand, Foot, and Mouth Disease (HFMD) control, conventional SEIR/SIR models rely on static parameters, which limits their adaptability to dynamic real‑world conditions. To address this, we propose a SEIRQ–ARIMA hybrid model that integrates a quarantine‑enhanced SEIR framework (SEIRQ) with an ARIMA time‑series model, whose dynamic parameters are optimized via a multi‑stage Artificial Bee Colony–Grey Wolf Optimization (ABC–GWO) algorithm. This study contributes three key novelties to the field: (i) an IoT-driven dynamic SEIRQ parameterization with explicit intervention tracking via time-varyin
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.
CTOs are frequently encountered in patients undergoing invasive coronary angiography. Even though technical progress in CTO-PCI and enhanced skills of dedicated operators have led to substantial procedural improvement, the success of the intervention is still lower than in non-CTO PCI. Moreover, the scores developed to appraise lesion complexity and predict procedural outcomes have shown suboptimal discriminatory performance when applied to unselected cohorts. Accordingly, we sought to develop a machine learning (ML)-based model integrating clinical and angiographic characteristics to predict
СтатьяМногоцентровое исследованиеВалидационное исследованиеПолный 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.
INTRODUCTION: The objective of this study was to employ artificial intelligence (AI) technology for the development of a model that can accurately forecast the outcome of emergency general surgery (EGS) in elderly patients. Additionally, an innovative visual scoring system called geriatric emergency perioperative risk index (GEPR) was devised based on this model.
METHODS: A retrospective database of geriatric patients who had undergone EGS was used for the development of the AI model and GEPR. The study employed a specialized algorithm, comprising of four sequential steps namely scale prototy
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.
Diabetic peripheral vascular disease (DPVD) and diabetic foot (DF) are major complications that lead to disability in diabetic patients, severely impaired their quality of life. Firstly, this study gathered cross-sectional data from 1240 patients with type 2 diabetes and its complications in the the department of vascular surgery and endocrinology of the second affiliated hospital of zhejiang university school of medicine. In the pre-processing part, samples with serious data loss are eliminated, and the data are processed by methods such as MICEforest. After that, random forest (RF), support
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: The Breast and Ovarian Analysis of Disease Incidence Algorithm (BOADICEA) model predicts breast cancer risk using cancer family history, epidemiological, and genetic data. We evaluated its validity in a large prospective cohort.
METHODS: We assessed model calibration, discrimination and risk classification ability in 217 885 women (6838 incident breast cancers) aged 40-70 years of self-reported White ethnicity with no previous cancer from the UK Biobank. Age-specific risk classification was assessed using relative risk thresholds equivalent to the absolute lifetime risk categories
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.
Reliable prediction of active pharmaceutical ingredient (API) solubility in complex solvent systems remains challenging. Existing models often sacrifice generalizability for accuracy or have limited applicability due to implementation complexity. The current study presents a practical, streamlined modeling framework requiring only temperature, solvent composition, and Hansen solubility parameters (HSPs) - information that is simple and readily accessible. These parameters serve as inputs for an effective and easy-to-apply model: the multilayer perceptron artificial neural network (MLPANN). Bey
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: The Skeletal Oncology Research Group (SORG) machine learning algorithm was developed in 2019 to predict 90-day and 1-year mortality for patients with spinal metastatic disease. With an increasing prevalence of spinal metastasis and the associated rise in surgical intervention, our group sought to improve accuracy in estimating intermediate and long-term post-operative survival to better inform the shared decision-making process of the patient and surgeon regarding the next steps in care. The SORG algorithm was developed based on a cohort of patients residing in the Northeas
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.
Common Variable Immunodeficiency (CVID) is a heterogeneous disorder characterized by impaired antibody production and recurrent infections. In this study we investigated the clinical and immunological features of CVID in Indian patients and develops a machine learning model for predicting disease severity. We retrospectively analyzed 150 patients diagnosed with CVID over a decade at a tertiary care center in India. The median age of diagnosis was 18 years, with a male predominance (62%). The majority of patients (66.6%) had a severe phenotype, with recurrent respiratory tract infections being
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.
Supervised machine-learning (SML) algorithms are potentially powerful tools that may be used for screening cows for infectious diseases such as bovine leukemia virus (BLV) infection. Here, we compared six different SML algorithms to identify the most important risk factors for predicting BLV seropositivity in dairy cattle in Florida. We used a dataset of 1279 dairy blood sample records from the Bronson Animal Disease Diagnostic Laboratory that were submitted for BLV antibody testing from 2012 to 2022. The SML algorithms that we used were logistic regression (LR), decision tree (DT), gradient b
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.
Artificial neural networks (ANNs) are biologically inspired algorithms designed to simulate the way in which the human brain processes information. In sample preparation for bioanalysis, liquid-liquid extraction (LLE) represents an important step with the extraction solvent selection is the key laborious step. In the current work, a robust and reliable ANNs model for LLE solvent prediction was generated which could predict the suitable solvent for analyte extraction. The developed ANNs model takes a set of chosen descriptors for the cited analyte as an input and predicts the corresponding Hans
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: This study provided a quantitative prediction of best-corrected visual acuity (BCVA) for cataract patients using the inverse problem algorithm (IPA) technique earlier proposed by the authors. Methods: To this end, seven risk factors (age, BMI, MAP, IOP, HbA1c, LDL-C, and gender) were linked by a semi-empirical formula by normalizing each factor into a dimensionless range of -1.0 to +1.0. The adopted inverse problem algorithm (IPA) technique was run via a self-developed program in STATISTICA 7.0, featuring a 29-term nonlinear equation considering seven risk factors, cross-interaction
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: The decision to electively repair an abdominal aortic aneurysm (AAA) involves balancing the risk of rupture, peri-procedural death, and life expectancy. Random forest classifiers (RFCs) are powerful machine learning algorithms. The aim of this study was to construct and validate a random forest machine learning tool to predict two year survival following elective AAA repair.
METHODS: All patients who underwent elective open or endovascular repair of AAA from 1 January 2008 to 31 March 2021 were reviewed. They were assessed using the Vascular Services Quality Improvement Program pat
СтатьяВалидационное 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.
BACKGROUND: Predicting premature ventricular contraction (PVC) origin pre-ablation is a fundamental step, as right ventricular outflow tract (RVOT) PVC often leads to higher success rates.
OBJECTIVE: To compare nine published ECG criteria to differentiate between RVOT and non-RVOT origins of PVCs and develop a stepwise algorithm using those criteria to better determine PVC origin to predict ablation success.
METHODS: Two centers were involved in this study, the derivation group and the validation group. The derivation group included 65 patients with PVC left bundle branch block (LBBB) patter
СтатьяМногоцентровое исследованиеВалидационное 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.
BACKGROUND: With the continuous advancement of age in China, attention should be paid to the mental well-being of the elderly population. The present study uses a novel machine learning (ML) method on a large representative elderly database in China as a sample to predict the risk factors of depression in the elderly population from both holistic and individual level.
METHODS: A total of participants met the inclusion criteria from the fourth waves of the China Health and Retirement Longitudinal Study (CHARLS) were analyzed with ML algorithms. The level of depression was assessed by the 10-it
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.
Mild Cognitive Impairment (MCI) is a condition characterized by a decline in cognitive abilities, specifically in memory, language, and attention, that is beyond what is expected due to normal aging. Detection of MCI is crucial for providing appropriate interventions and slowing down the progression of dementia. There are several automated predictive algorithms for prediction using time-to-event data, but it is not clear which is best to predict the time to conversion to MCI. There is also confusion if algorithms with fewer training weights are less accurate. We compared three algorithms, from
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.
The frequent occurrence of safety incidents in sewer systems due to the emergency toxicity of hydrogen sulfide (H2S) necessitate timely and efficient prediction, early warning and real-time control. However, various factors influencing H2S generation and emission leads to a substantial computational burden for the existing dynamic sewer process models and fails to timely control the H2S exposure risk. The present study proposed a swift prediction model (SPM) that combined the validated dynamic sewer process model (the biofilm-initiated sewer process model, BISM) with a high-speed machine learn
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: Corona virus disease 2019 (COVID-19) reinfection, particularly short-term reinfection, poses challenges to the management of rheumatic diseases and may increase adverse clinical outcomes. This study aims to develop machine learning models to predict and identify the risk of short-term COVID-19 reinfection in patients with rheumatic diseases.
METHODS: We developed four prediction models using explainable machine learning to assess the risk of short-term COVID-19 reinfection in 543 patients with rheumatic diseases. Psychological health was evaluated using the Functional Assessment o
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: For hospitalized adults, it is important to initiate the early reintroduction of oral food in accordance with nutrition support … 4.79%). The median (interquartile range) Nutritional Risk Screening (NRS-2002) score was 5 (1). Six prediction algorithms were used, and the artificial neural network and elastic net models achieved the greatest area under the ROC in all outcomes (AUC = 0.770). Ranked by z-value, the 10 most important features in predicting an early transition to oral feeding in the ar …
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.
Tongue analysis plays the major role in disease type prediction and classification according to Indian ayurvedic medicine. Traditionally, there is a manual inspection of tongue image by the expert ayurvedic doctor to identify or predict the disease. However, this is time-consuming and even imprecise. Due to the advancements in recent machine learning models, several researchers addressed the disease prediction from tongue image analysis. However, they have failed to provide enough accuracy. In addition, multiclass disease classification with enhanced accuracy is still a challenging task. There
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.
MedElevator
Войти в исследования