In this study, 60 samples taken from patients with thyroid dysfunction, 40 samples taken from patients with chronic renal failure (CRF) and 60 samples taken from healthy people were classified. We used partial least squares (PLS) to extract features to reduce the dimension of the spectral data to discriminate among the different samples. The Decision Trees (DT), Extreme Learning Machine (ELM), Probabilistic Neural Network (PNN), Back Propagation Neural Network (BPNN) and Learning Vector Quantization (LVQ) algorithms were used to build classification models and compare the results. The PLS-PNN
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: Coal workers' pneumoconiosis (CWP) is the most prevalent occupational disease that causes irreversible lung damage. Early prediction of CWP is the key to blocking the irreversible process of pulmonary fibrosis. The prediction of CWP based on imaging data and biomarker detection is constrained due to high cost and poor convenience.
OBJECTIVE: The study aimed to use easily detectable clinical data to construct a prediction model for CWP through machine learning (ML) methods.
METHODS: A prediction framework was established using a moderate-sized dataset and multidimensional clinical
СтатьяВалидационное 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.
STUDY OBJECTIVE: To leverage perioperative indicators in developing an explainable machine learning (ML) model for postoperative delirium (POD) prediction, discover distinct data-driven POD subtypes through hierarchical clustering analysis, and enhance personalized risk stratification to inform targeted clinical interventions.
METHODS: This is a secondary analysis of several prospective observational studies, including 1106 patients who had non-cardiac surgery. Univariate analysis and the least absolute shrinkage and selection operator (LASSO) regression was used to screen essential features
СтатьяНаблюдательное 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.
OBJECTIVE: Functional cure is currently the highest goal of hepatitis B virus(HBV) treatment.Pegylated interferon(Peg-IFN) alpha is an important drug for this purpose,but even in the hepatitis B e antigen(HBeAg)-negative population,there is still a portion of the population respond poorly to it.Therefore,it is important to explore the influencing factors affecting the response rate of Peg-IFN alpha and establish a prediction model to further identify advantaged populations.
METHODS: We retrospectively analyzed 382 patients.297 patients were in the training set and 85 patients from another hos
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: Auditory brainstem responses (ABRs) offer a unique opportunity to assess the neural integrity of the peripheral auditory nervous system in individuals presenting with listening difficulties. ABRs are typically recorded and analyzed by an audiologist who manually measures the timing and quality of the waveforms. The interpretation of ABRs requires considerable experience and training, and inappropriate interpretation can lead to incorrect judgments about the integrity of the system. Machine learning (ML) techniques may be a suitable approach to automate ABR interpretation and redu
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: Dengue fever remains a critical public health challenge in Thailand, with transmission dynamics driven by complex interactions between environmental and socioeconomic factors. Understanding these predictive factors is essential for developing robust forecasting systems.
METHODS: We developed a machine learning framework to classify spatiotemporal dengue risk and identify key predictive factors across Thailand. We analyzed 20 years of monthly dengue hemorrhagic fever surveillance data (2003-2022) from 77 provinces, integrating 54 environmental, climatic, and socioeconomic features.
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 aimed to predict mortality in cancer patients diagnosed with COVID-19 using machine learning (ML) algorithms and identify the clinical and laboratory parameters associated with mortality. Demographic, clinical, and laboratory data of cancer patients diagnosed with COVID-19 in the emergency service of Dr Abdurrahman Yurtaslan Ankara Oncology Training and Research Hospital were used. Seven ML algorithms, including decision tree, random forest, k-nearest neighbor, Naïve Bayes, eXtreme Gradient Boosting, Adaptive Boosting (AdaBoost), and support vector machines, were used to calculate t
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 cardiogenic shock (CS) patients at risk for renal replacement therapy (RRT) is crucial for improving clinical outcomes. This study aimed to develop and validate a prediction model using readily available clinical variables.
METHODS: A retrospective cohort study was conducted using data from 4,133 CS patients from the MIMIC and eICU-CRD databases. Patients from MIMIC databases were randomly divided into 80 % training and 20 % validation cohorts, while those from eICU-CRD constituted the test cohort. Feature selection involved univariate logistic regression (
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.
BACKGROUND: Health literacy (HL) is a major factor associated with population health. However, no visualized predictive model has been developed to identify populations with low HL in a cost-effective manner.
OBJECTIVE: This study aims to identify key determinants of HL and develop a predictive nomogram model for population-level HL screening.
METHODS: This study analyzed cross-sectional data from 56,340 residents (aged 15-69 y) in Zhejiang Province (2023) And used the Chinese Health Literacy Scale to measure HL. We used 3 complementary analytical approaches: logistic regression (LR) analysi
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.
OBJECTIVE: To develop and internally validate an explainable machine learning model for early mortality prediction in pediatric sepsis using routinely available clinical variables, to support clinical risk stratification and decision-making.
METHODS: A total of 752 children with sepsis admitted to the Pediatric Intensive Care Unit (PICU) at the Children's Hospital of Soochow University between January 1, 2019, and June 30, 2023, were retrospectively enrolled. Twenty-six routinely available clinical variables obtained within 24 h after PICU admission were included. After data preprocessing, va
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: Frailty affects over 50% of older adults in long-term care (LTC), and early detection is critical due to its potential reversibility. Wearable sensors enable continuous monitoring of gait and physical activity, and machine learning has shown promise in detecting frailty among community-dwelling older adults. However, its applicability in LTC remains underexplored. Furthermore, dynamic gait outcomes (eg, gait stability and symmetry) may offer more sensitive frailty indicators than traditional measures like gait speed, yet their potential remains largely untapped.
OBJECTIVE: This st
СтатьяВалидационное 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.
BACKGROUND: COVID-19 has been linked to acute kidney injury (AKI) and chronic kidney disease (CKD), but machine learning (ML) models predicting these risks post-pandemic have been absent. We aimed to use large electronic health records (EHR) and ML algorithms to predict the incidence of AKI and CKD during the post-pandemic period, assess the necessity of including COVID-19 infection history as a predictor, and develop a practical webpage application for clinical use.
METHODS: National EHR data from TriNetX, emulating a prospective cohort of 104,565 patients from 07/01/2022 to 03/31/2024, were
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.
Depression in seniors is a growing public health concern worldwide. Despite the rising prevalence of depression in this demographic, comprehensive data on its burden and trends over an extended period remain limited. This study aims to assess the trends in the burden of depression among seniors from 1990 to 2021, utilizing the Global Burden of Diseases, Injuries, and Risk Factors Study (GBD) database, and to further explore the risk factors using China Health and Retirement Longitudinal Study (CHARLS) database and National Health and Nutrition Examination Survey (NHANES) database. We utilized
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: Early risk assessment in comatose survivors of out-of-hospital cardiac arrest (OHCA) remains clinically challenging, particularly for patients undergoing targeted temperature management (TTM). This study aimed to develop and externally validate an interpretable machine learning model to predict neurological outcomes in TTM-treated comatose OHCA survivors, leveraging multinational registry data to improve generalizability and early-phase characterization.
METHODS: Data were derived from two multi-center registries: the Korean Hypothermia Network prospective registry (KORHN-pro, n =
СтатьяМногоцентровое исследованиеВалидационное 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.
Our objective was to validate the possibility of detecting SARA from milk Fourier transform mid-infrared spectroscopy estimated fatty acids (FA) and machine learning. Subacute ruminal acidosis is a common condition in modern commercial dairy herds for which diagnosis remains challenging due to its symptoms often being subtle, nonexclusive, and not immediately apparent. This observational study aimed at evaluating the possibility of predicting SARA by developing machine learning models to be applied to farm data and to provide an estimated portrait of SARA prevalence in commercial dairy herds.
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.
PURPOSE: This study aimed to develop a classifier using supervised machine learning to effectively assess the impact of clinical, demographical, and biochemical factors in accurately predicting the antiseizure medications (ASMs) treatment response in people with epilepsy (PWE).
METHODS: Data was collected from 786 PWE at the Outpatient Department of Neurology, Institute of Human Behavior and Allied Sciences (IHBAS), New Delhi, India from 2005 to 2015. Patients were followed up at the 2nd, 4th, 8th, and 12th month over the span of 1 year for the drugs being administered and their dosage, 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: 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.
OBJECTIVES: To evaluate the efficacy of the Cox-Maze IV procedure (CMP-IV) in combination with valve surgery in patients with both atrial fibrillation (AF) and valvular disease and use machine learning algorithms to identify potential risk factors of AF recurrence.
METHODS: A total of 1,026 patients with AF and valvular disease from two hospitals were included in the study. 555 patients received the CMP-IV procedure in addition to valve surgery and left atrial appendage ligation (CMP-IV group), while 471 patients only received valve surgery and left atrial appendage ligation (Non-CMP-IV group
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: The prediction of the number of acute coronary syndromes (ACSs) based on the weather conditions in the individual climate zones is not effective. We sought to investigate whether an artificial intelligence system might be useful in this prediction.
METHODS: Between 2008 and 2018, a total of 105,934 patients with ACS were hospitalized in Lesser Poland Province, one covered by two meteorological stations. The predicted daily number of ACS has been estimated with the Random Forest machine learning system based on air temperature (°C), air pressure (hPa), dew point temperature (Td) (°
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.
IMPORTANCE: An adequate system for triaging patients with head trauma in prehospital settings and choosing optimal medical institutions is essential for improving the prognosis of these patients. To our knowledge, there has been no established way to stratify these patients based on their head trauma severity that can be used by ambulance crews at an injury site.
OBJECTIVES: To develop a prehospital triage system to stratify patients with head trauma according to trauma severity by using several machine learning techniques and to evaluate the predictive accuracy of these techniques.
DESIGN,
СтатьяМногоцентровое 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