Poppies are beneficial plants with a variety of applications, including medicinal, edible, ornamental, and industrial purposes. Some Papaver species are forensically significant plants because they contain opium, a narcotic substance. Internationally trafficked species of illegal poppies are being identified by DNA barcoding employing multiple markers in response to their forensic value. However, effective markers for precise species identification of legal and illegal poppies are still under discussion, with research on illegal poppies focusing on Papaver somniferum L., and species identifica
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.
PURPOSE: To determine whether conventional logistic regression or machine learning algorithms were more precise in identifying the risk factors for unplanned overnight admission after medial patellofemoral ligament (MPFL) reconstruction.
METHODS: A retrospective review of the prospectively collected National Surgical Quality Improvement Program database was performed to identify patients who underwent outpatient MPFL reconstruction from 2006-2018. Patients admitted overnight were identified as those with length of stay of 1 or more days. Models were generated using random forest, extreme grad
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: The histological differentiation of Non-Small Cell Lung Cancer (NSCLC) is a critical prognostic factor that influences therapeutic strategies and patient outcomes. However, conventional assessment methods relying on postoperative pathology or biopsy are invasive and limited by sampling bias. Therefore, it is of great clinical significance to develop a non-invasive, imaging-based approach for accurate preoperative differentiation evaluation.
METHODS: This retrospective study included 184 NSCLC patients with preoperative chest CT scans and confirmed pathological differentiation grad
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.
The rocky interiors of exoplanets are generally expected to differentiate into a silicate mantle and a metallic core due to the immiscibility of metal and silicate under typical planetary formation conditions. Here, we use large-scale molecular dynamics simulations driven by machine-learning potentials of ab initio quality to explore the phase behavior of metallic liquids and silicate melts under the extreme pressure-temperature conditions of the exoplanetary interiors. The results map out the solvus closure curve, above which a single homogeneous liquid phase of the iron and silicate mixture
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.
As we experience a technological revolution unlike any other time in history, spinal surgery as a discipline is poised to undergo a dramatic transformation. As enormous amounts of data become digitized and more readily available, medical professionals approach a critical juncture with respect to how advanced computational techniques may be incorporated into clinical practices. Within neurosurgery, spinal disorders in particular, represent a complex and heterogeneous disease entity that can vary dramatically in its clinical presentation and how it may impact patients' lives. The spectrum of pat
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.
INTRODUCTION: Primary refractory disease affects 30-40% of patients diagnosed with DLBCL and is a significant challenge in disease management due to its poor prognosis. Predicting refractory status could greatly inform treatment strategies, enabling early intervention. Various options are now available based on patient and disease characteristics. Supervised machine-learning techniques, which can predict outcomes in a medical context, appear highly suitable for this purpose.
DESIGN: Retrospective monocentric cohort study.
PATIENT POPULATION: Adult patients with a first diagnosis of DLBCL adm
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 myasthenia gravis (MG) severe exacerbations that require intensive care unit (ICU) admission remains challenging due disease highly heterogeneous. Existing models seldom incorporate phenotype stratification, limiting interpretability and clinical utility.
AIM: This study aimed to develop an explainable machine learning (ML) model to assess phenotype-specific risk factors and predict ICU admission for patients with MG.
DESIGN AND METHODS: This retrospective study included 319 hospitalized patients with MG. We utilized clinical variables and systemic inflamm
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: Hepatocellular carcinoma (HCC) exhibits high recurrence rates despite curative treatments. Microvascular invasion (MVI) is a key predictor; however, current diagnostic methods are invasive and delayed. We aimed to develop explainable machine learning models for non-invasive, preoperative MVI prediction. METHODS: We retrospectively analysed 308 patients with HCC (132 MVI-positive and 176 MVI-negative) who underwent curative hepatectomy from January 2020 to December 2023, randomly divided into training (n = 216) and validation (n = 92) cohorts (7:3 ratio). Independent risk factors we
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.
CONTEXT: Accurate methimazole (MMI) dose adjustment in pediatric hyperthyroidism is crucial, but individualized titration relies on clinician experience due to a lack of validated predictive tools.
OBJECTIVE: This study aimed to develop and validate machine learning-based models for predicting optimal MMI dosage in pediatric hyperthyroidism.
DESIGN: This was a retrospective, multicenter, model-development study. Machine learning models, including linear regression, decision tree, support vector regression, Extreme Gradient Boosting (XGBoost), and feed-forward neural networks, were trained an
СтатьяМногоцентровое 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.
Pediatric bipolar disorder is challenging to diagnose accurately due to symptom heterogeneity. More standardized and data-driven approaches are needed to enhance diagnostic reliability. We evaluated a clinical decision tool (nomogram), statistical methods (logistic regression, LASSO), machine learning (support vector machine, random forest, k-nearest neighbors, extreme gradient boosting), and deep learning (multilayer perceptron) for pediatric bipolar disorder prediction across two datasets collected in academic (N = 550) and community (N = 511) clinical settings. We compared three modeling st
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: Frailty remains a significant risk factor for adverse health outcomes in hospitalized patients. Few have evaluated frailty risk and its influencing factors in heart failure (HF) patients with acute infections, and previous machine learning models have predominantly overlooked the incorporation of visualization techniques. This study aims to investigate frailty risk factors in this population and develop an interpretable prediction model for frailty.
METHODS: This study enrolled 1498 patients hospitalized for HF with acute infections at Nanjing First Hospital in 2023. Participants
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.
RATIONALE: Over 70% of diabetic patients die from cardiovascular disease, in which diabetic heart disease (DHD) is an important cause of death in individuals with type 2 diabetes (T2D). It is hence imperative to explore the simple, rapid, and economical method for diagnosing DHD from T2D.
METHODS: T2D and DHD patients were recruited, and their serum samples were used for metabolomic analysis to identify differential metabolites. Logistic regression analysis and receiver operating characteristic curve analysis were performed to identify candidate biomarkers. Moreover, four machine learning met
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 develop and validate a machine learning (ML) algorithm for predicting 30-day mortality in adult patients with acute pancreatitis (AP) using routinely readily available laboratory parameters.
METHODS: This retrospective cohort study analyzed 965 consecutive AP patients hospitalized between January 2017 and December 2019. Feature selection was performed using Least Absolute Shrinkage and Selection Operator (LASSO) regression, followed by the evaluation of eleven machine learning algorithms. Model performance was assessed using via the area under the receiver operating characterist
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.
pH-dependent drug-drug interactions (DDIs) commonly occur when acid-reducing agents (ARAs) are co-administered with weakly basic drugs. Although physiologically based pharmacokinetic (PBPK) modeling effectively evaluates such DDIs, its use is limited by reliance on costly commercial software. This study developed a PBPK-informed machine learning model to support early assessment of pH-dependent DDI risk in drug development. PBPK models were built for 14 representative weakly basic drugs using literature-derived parameters to identify eight key determinants (e.g., solubility and pKa). Based on
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: Histological chorioamnionitis (HCA) is a serious pregnancy complication, but early diagnosis is challenging, especially in parturients receiving labor analgesia, where identification is even more difficult. Therefore, we developed and validated a machine learning model for early prediction of HCA (stage ≥II) intended for use at the time of epidural-related maternal fever (ERMF) onset, before delivery and confirmatory histopathology.
METHODS: This study utilized a multicenter retrospective cohort dataset, including parturients receiving labor analgesia and completed placental patho
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: Finerenone is associated with a lower, yet clinically relevant, risk of hyperkalemia compared with steroidal mineralocorticoid receptor antagonists in diabetic kidney disease (DKD) trials. However, real-world data on hyperkalemia and its associated factors are scarce.
METHODOLOGY: FINE-TURK is a national, observational cohort of DKD patients who were initiated on finerenone. Eligible adults were included; demographic, clinical, and laboratory data were evaluated. The primary outcome was hyperkalemia risk signal (potassium ≥5.0 mEq/l), and the secondary outcome was clinically meani
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 AND OBJECTIVES: Current clinical practice in preoperative planning for femoral shaft fractures lacks tools capable of quantitatively predicting outcomes across different treatment options, which significantly hinders the implementation of personalized precision treatment. This study aims to develop an integrated fracture healing prediction framework that combines mechano-biological modeling with machine learning.
METHODS: First, a comprehensive mechano-biological model was constructed, incorporating four key modules: mechanical stimulus computation, angiogenesis prediction, cell mi
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.
Diabetic foot ulcer (DFU) is a severe diabetes complication affecting 15–25% of patients and frequently causing lower extremity amputations. While ubiquitination regulates diverse cellular functions, ubiquitination-related genes (URGs) in DFU pathogenesis remain unexplored. We analyzed single-cell RNA sequencing data from 29 samples (19 controls, 10 DFU) and bulk RNA sequencing from 60 samples (25 controls, 35 DFU). Using 1,610 URGs from GeneCards database, we performed single-cell analysis, pseudotime analysis, and cell communication studies. Four machine learning algorithms identified diagno
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: Exercise-induced desaturation (EID) during the 6-minute walk test (6MWT) is an established marker of adverse outcomes in patients with chronic obstructive pulmonary disease (COPD). We therefore sought to develop a screening-oriented machine learning approach to identify patients at increased risk of EID.
METHODS: We analyzed data from the nationwide, multicenter Korea COPD Subgroup Study (KOCOSS). EID was defined as peripheral oxygen saturation (SpO2) < 90% with a decrease of ≥ 4%p. The cohort was stratified into training (80%) and test (20%) sets. Candidate predictors were select
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.
Alzheimer's disease (AD), a neurodegenerative condition marked by amyloid-beta plaques and tau protein neurofibrillary tangles, progresses against a backdrop of essential biological processes. Manganese, an indispensable trace element for vital functions including energy metabolism and antioxidant defense, is integral to neurological health. Its precise metabolic role throughout the course of AD pathogenesis is not fully elucidated. Four essential manganese metabolism-related genes were identified as diagnostic markers through a multi-omic framework. This approach integrated Weighted Gene Co-E
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