BACKGROUND: Diabetes insipidus (DI) is a common complication after endoscopic transsphenoidal surgery (TSS) for pituitary adenoma (PA), which affects the quality of life in patients. Therefore, there is a need to develop prediction models of postoperative DI specifically for patients who undergo endoscopic TSS. This study establishes and validates prediction models of DI after endoscopic TSS for patients with PA using machine learning algorithms.
METHODS: We retrospectively collected information about patients with PA who underwent endoscopic TSS in otorhinolaryngology and neurosurgery depart
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 describes the development and offline validation of a heuristic algorithm for accurate prediction of ground terrain in … thesis while internal sensor data were remotely logged. We used these data to develop three terrain prediction algorithms. The first two employed state-of-the-art machine learning approaches, while the third was a directly tuned heuristic using thresholds on estimated prosthetic ankle joint translations and ground slope. We compared the performance of these algorithms …
СтатьяПоддержка исследования: вне правительства СШАПоддержка 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: The high prevalence of cognitive impairment (CI) in Chronic kidney disease (CKD) patients impacts their quality of life and prognosis, yet risk prediction models for CI in this population remain underexplored.
OBJECTIVE: This study aimed to develop a risk prediction model for CI in CKD patients using machine learning algorithms, with the objective of enhancing risk prediction accuracy and facilitating early intervention.
METHODS: A total of 415 CKD patients from the 2015 China Health and Retirement Longitudinal Survey (CHARLS) dataset were included in this study. Participants wer
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: Traumatic Brain Injury (TBI) remains a major public health concern, requiring accurate prognostic models to support clinical decision-making. While high-performance models have been developed using large, feature-rich datasets, their applicability is often limited by the variability and restricted availability of clinical data across hospitals. This study explores knowledge distillation as a strategy to adapt complex models for resource-limited settings with fewer available variables.
METHODS: A teacher model was trained on the MIMIC-III dataset using 326 features, while a student
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: Severe acute kidney injury (AKI) after total aortic arch replacement (TAAR) is related to adverse outcomes in patients with acute type A aortic dissection (ATAAD). However, the early prediction of severe AKI remains a challenge. This study aimed to develop a novel model to predict severe AKI after TAAR in ATAAD patients using machine learning algorithms.
METHODS: A total of 572 ATAAD patients undergoing TAAR were enrolled in this retrospective study, and randomly divided into a training set (70 %) and a validation set (30 %). Lasso regression, support vector machine-recursive feat
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: First-line surgery for prolactinomas has gained increasing acceptance, but the indication still remains controversial. Thus, accurate prediction of unfavorable outcomes after upfront surgery in prolactinoma patients is critical for the triage of therapy and for interdisciplinary decision-making.
OBJECTIVE: To evaluate whether contemporary machine learning (ML) methods can facilitate this crucial prediction task in a large cohort of prolactinoma patients with first-line surgery, we investigated the performance of various classes of supervised classification algorithms. The primary
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.
An online near-infrared (NIR) spectroscopy platform system for real-time powder blending monitoring and blend endpoint determination was tested for a phenytoin sodium formulation. The study utilized robust experimental design and multiple sensors to investigate multivariate data acquisition, model development, and model scale-up from lab to manufacturing. The impact of the selection of various blend endpoint algorithms on predicted blend endpoint (i.e., mixing time) was explored. Spectral data collected at two process scales using two NIR spectrometers was incorporated in a single (global) cal
СтатьяПоддержка исследования: вне правительства СШАПоддержка службы здравоохранения 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.
Klebsiella pneumoniae is one of the most common causes of hospital-acquired infections, especially due to the emergence of the hypervirulent K. pneumoniae (hvKp) strains. Multiple methods have been developed to discriminate hvKp strains from classical K. pneumoniae (cKp) strains, such as the presence of candidate genes (e.g., peg-344, iroB, and iucA), high level of siderophore production, hypermucoviscosity phenotype, etc. Although the string test is commonly used to confirm the hypermucoviscosity of K. pneumoniae strains, it is a method lacking rigidity and accuracy. Surface-enhanced Raman sp
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.
Postoperative nausea and vomiting (PONV) are common complications after surgery. This study aimed to present the utilization of machine learning for predicting PONV and provide insights based on a large amount of data. This retrospective study included data on perioperative features of patients, such as patient characteristics and perioperative factors, from two hospitals. Logistic regression algorithms, random forest, light-gradient boosting machines, and multilayer perceptrons were used as machine learning algorithms to develop the models. The dataset of this study included 106,860 adult 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: Quantitative image analysis based on radiomic feature extraction is an emerging field for survival prediction in oncological pat … entification of the most relevant features in survival prediction. Random forest classification and prediction algorithms were optimized on an initial set of 25 patients. Testing of the implemented algorithms was carried out in different scenarios, which included additional 12 patients whose images were acquired with a different scanner to check the reproducibility in …
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.
Traditionally, statistical and machine learning (ML) algorithms have been used to develop risk prediction models for adverse clinical events, such as atrial fibrillation (AF) after stroke. However, these algorithms often fail to encapsulate or exploit possible connections between patients, assuming each patient is fully independent. This study builds a graph of patients interlinked by their medical histories to create a graph-based risk prediction model for AF. We investigate the ability of Graph Convolutional Networks (GCN) and Graph Attention Networks (GAT) to predict AF risk in critically i
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: As the opioid epidemic continues across the United States, methods are needed to accurately and quickly identify patients at risk for opioid use disorder (OUD). The purpose of this study is to develop two predictive algorithms: one to predict opioid prescription and one to predict OUD.
MATERIALS AND METHODS: We developed an informatics algorithm that trains two deep learning models over patient Electronic Health Records (EHRs) using the MIMIC-III database. We utilize both the structured and unstructured parts of the EHR and show that it is possible to predict both challenging outco
СтатьяПоддержка NIH: внешняя программаПоддержка 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: Construct a prediction model for lymph node metastasis (LNM) in papillary thyroid carcinoma (PTC) using Probe Electrospray Ionization Mass Spectrometry (PESI - MS) combined with artificial intelligence (AI), to assist in the preoperative prediction of lymph node metastasis in thyroid carcinoma by intraoperative frozen pathology.
METHODS: A total of 78 fresh tissue samples of PTC and their adjacent normal tissues were collected. After proper processing, these samples were subjected to detection and analysis using PESI - MS. Subsequently, a classification prediction model was establi
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.
Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)2010eng
BACKGROUND: Malignant cutaneous melanoma is the most deadly form of skin cancer with an increasing incidence over the past decades. The final diagnosis provided is typically based on a biopsy of the skin lesion under consideration. To assist the naked-eye examination and decision on whether or not a biopsy is necessary, digital image processing techniques provide promising results.
HYPOTHESIS AND AIMS: The hypothesis of this study was that a computer-aided assessment tool could assist the evaluation of a pigmented skin lesion. Hence, the overall aim was to discriminate between malignant and 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.
BACKGROUND: Prediction of gestational diabetes mellitus (GDM) in early pregnancy enables timely, targeted interventions to reduce risks for both the mother and fetus. We aimed to improve early GDM prediction and clinical risk stratification using a novel deep learning (DL) approach that transforms tabular clinical data into images using a genetic algorithm.
METHODS: A dataset of 1,611 pregnancies was used. The dataset contained routinely collected early-pregnancy data, including clinical measurements, blood tests, and medical history. A novel method to transform tabular data into images was a
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: Artificial intelligence (AI)-based models can augment clinical decision-making, including prediction, diagnosis, and treatment, in all aspects of medicine.
RESEARCH QUESTIONS: The current systematic review aims to provide a summary of existing data about the role of machine learning (ML) techniques in predicting in-hospital cardiac arrest, life-threatening ventricular arrhythmias, and respiratory arrest.
METHODS: The study was conducted in compliance with the Preferred Reporting Items for Systematic Reviews and Meta-analyses (PRISMA) framework. PubMed, Embase, and Web of Science
СтатьяСистематический обзорПолный 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.
Although PNLB is generally considered safe, it is still invasive and risky. Pneumothorax, the most common complication of lung puncture, can cause shortness of breath, chest pain, and even life-threatening. Therefore, the auxiliary diagnosis for pneumothorax is of great clinical interest. This paper proposes an ant colony optimizer with slime mould foraging behavior and collaborative hunting, called SCACO, in which slime mould foraging behavior is combined to improve the convergence accuracy and solution quality of ACOR. Then the ability of ACO to jump out of the local optimum is optimized by
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: Growing awareness of the potential to predict a person's future risk of cancer has resulted in the development of numerous algorithms. Such algorithms aim to improve the ability of policy makers, doctors and patients to make rational decisions about behaviour modification or surveillance, with the expectation that this activity will lead to overall benefit. There remains debate however, about whether accurate risk prediction is achievable for most cancers.
METHODS: We conducted a brief narrative review of the literature regarding the history and challenges of risk prediction, high
СтатьяПоддержка исследования: вне правительства СШАОбзорПоиск 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.
There has been significant interest in using machine learning algorithms to predict kidney transplant outcomes, such as the number of years until a graft inevitably fails. These prediction algorithms could possibly be used for pre-transplant donor-recipient matching to identify more compatible donors and recipients and thus improve post-transplant outcomes. In this study, we explore the use of survival prediction models trained on deceased donor kidney transplant data from the Scientific Registry of Transplant Recipients (SRTR). We propose a novel paired recipient-based evaluation framework th…
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: Bipolar disorder (BD) is a highly recurrent disorder. Early detection, early intervention, and prevention of recurrent bipolar mood symptoms are key to a better prognosis.
OBJECTIVE: This study aims to build prediction models for BD with machine learning algorithms.
METHODS: This study recruited 24 participants with BD. The Beck Depression Inventory and Young Mania Rating Scale were used to evaluate depressive and manic episodes, respectively. Using digital biomarkers collected from wearable devices as input, 6 machine learning algorithms (logistic regression, decision tree, k-ne
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.
MedElevator
Войти в исследования