Selection bias has been identified in hypotension prediction models, but its impact on an algorithm's ability to learn relevant information … value. We discuss these findings and offer suggestions for further developing effective hypotension prediction algorithms.
Редакционная 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.
Population pharmacokinetic (PK) model-based Bayesian estimation is widely used for dose individualization, particularly when sample availability is limited. However, its predictive accuracy can be compromised by factors such as misspecified prior information, intra-patient variability, and uncertainties in PK variations. In this study, we developed a hybrid approach that combines machine learning (ML) with population PK-based Bayesian methods to improve the prediction of infliximab concentrations in children with Crohn's disease. We calculated prediction errors between Bayesian-estimated and o
СтатьяПрепринтПоиск 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 AND OBJECTIVE: Population pharmacokinetic (PK) model-based Bayesian estimation is widely used for dose individualization, particularly when sample availability is limited. However, its predictive accuracy can be compromised by factors such as misspecified prior information, intra-patient variability, and uncertainties in PK variations. In this study, we developed a hybrid approach that combines machine learning (ML) with population PK-based Bayesian methods to improve the prediction of infliximab concentrations in children with Crohn's disease.
METHODS: We calculated prediction err
СтатьяПоддержка NIH: внешняя программаПоиск 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: Hip fracture is associated with immobility, morbidity, mortality, and high medical cost. Due to limited availability of dual-energy X-ray absorptiometry (DXA), hip fracture prediction models without using bone mineral density (BMD) data are essential. We aimed to develop and validate 10-year sex-specific hip fracture prediction models using electronic health records (EHR) without BMD.
METHODS: In this retrospective, population-based cohort study, anonymized medical records were retrieved from the Clinical Data Analysis and Reporting System for public healthcare service users in Ho
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.
Lower extremity deep vein thrombosis is one of the important complications of spontaneous intracerebral hemorrhage. We aimed to develop a risk assessment model to predict the risk of lower extremity DVT during hospitalization in patients with spontaneous cerebral hemorrhage. The retrospective study began by randomly dividing the data into a training set and a test set in a 7:3 ratio. Feature selection was performed in the training set, and Boruta and LASSO algorithms were used to screen significant predictors. Five machine learning algorithms were used to construct the prediction model and the
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.
Sex and stature estimation are critical components in determining the biological profile in forensic anthropology. This study aimed to estimate sex and stature using machine learning (ML) algorithms based on the morphometric data of the triticeal cartilage (TrC) obtained from autopsied cases. A prospective examination of the TrC was conducted on 137 autopsied cases (72 male, 65 female), aged between 18 and 90 years, at the Tokat Forensic Medicine Institution. A total of 209 TrC samples, located on the right and left sides of the neck, were measured for length, width, depth, and weight. Additio
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.
Major Depressive Disorder (MDD) and Generalized Anxiety Disorder (GAD) pose significant burdens on individuals and society, necessitating accurate prediction methods. Machine learning (ML) algorithms utilizing electronic health records and survey data offer promising tools for forecasting these conditions. However, potential bias and inaccuracies inherent in subjective survey responses can undermine the precision of such predictions. This research investigates the reliability of five prominent ML algorithms-a Convolutional Neural Network (CNN), Random Forest, XGBoost, Logistic Regression, and
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: Rheumatoid arthritis (RA) exhibits substantial diagnostic overlap with other autoimmune diseases that share similar pathological features, leading to redundant testing and limited diagnostic specificity. Therefore, there is an urgent need to identify critical clinical indicators with high diagnostic and predictive value to improve both diagnostic efficiency and accuracy.
METHODS: To address this challenge, we propose a multidimensional embedded feature selection framework based on ensemble learning. This framework integrates Gradient Boosted Decision Trees (GBDT) and Logistic Regr
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.
Many proteins are known to adopt multiple distinct folded states which are often associated with key functional behavior. A predictive understanding of the properties of such fold-switching or metamorphic proteins can provide insights into protein dynamics and energetics, and enable the design of complex protein functions and molecular machines. Recently developed deep learning modeling tools, including AlphaFold, have led to dramatic increases in accuracy for prediction of protein structures from sequence, but their performance for prediction of point mutant effects or fold switching is uncle
СтатьяПрепринтПоиск 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 AND AIMS: Esophageal varices (EVs) result from portal hypertension in decompensated liver disease secondary to liver cirrhosis. Diagnosis and grading is done using EGD and mucosal examination. However, interobserver differences may occur when analyzing EGD results. Recent application of artificial intelligence (AI) algorithms yielded mixed results for varices detection and bleeding risk estimation. The capabilities of AI in the detection and grading of EVs need to be evaluated.
METHODS: A systematic review was conducted with Preferred Reporting Items for Systematic reviews and Meta
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 AND AIMS: At present, there is a lack of simple and reliable model for early prediction of the efficacy of etanercept in the treatment of juvenile idiopathic arthritis (JIA). This study aimed to generate and validate prediction models of etanercept efficacy in patients with JIA before administration using machine learning algorithms based on electronic medical record (EMR).
MATERIALS AND METHODS: EMR data of 87 JIA patients treated with etanercept between January 2011 and December 2018 were collected retrospectively. The response of etanercept was evaluated by using DAS44/ESR-3 sim
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.
Up to one-third of patients selected by current guidelines do not respond to cardiac resynchronization therapy (CRT), the aim of this study was to find out novel analytical approaches to improve pre-implantation CRT response prediction. Among 31 pre-implantation features of clinical, laboratory, electrocardiography (ECG), and echocardiography variables in a consecutive cohort of patients receiving a first-time CRT device (CRT-pacemaker or CRT-defibrillator), we developed a machine learning (ML) model with three classification algorithms (support vector machines (SVM), K nearest neighbors, and
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.
INTRODUCTION AND HYPOTHESIS: This study aims to develop a postpartum stress urinary incontinence (PPSUI) risk prediction model based on an updated definition of PPSUI, using machine learning algorithms. The goal is to identify the best model for early clinical screening to improve screening accuracy and optimize clinical management strategies.
METHODS: This prospective study collected data from 1208 postpartum women, with the dataset randomly divided into training and testing sets (8:2). Five machine learning algorithms-logistic regression, decision trees, random forests, support vector machi
СтатьяНаблюдательное исследованиеВалидационное 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.
Chronic HBV infection, the main cause of liver cirrhosis and hepatocellular carcinoma, has become a global health concern. Machine learning algorithms are particularly adept at analyzing medical phenomenon by capturing complex and nonlinear relationships in clinical data. Our study proposed a predictive model on the basis of 55 routine laboratory and clinical parameters by machine learning algorithms as a novel non-invasive method for liver fibrosis diagnosis. The model was further evaluated on the accuracy and rationality and proved to be highly accurate and efficient for the prediction of HB
Оценочное исследованиеСтатьяПоддержка 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.
Liver cancer, a leading global cause of death, requires early and accurate diagnosis for better treatment outcomes and reduced mortality rates. This retrospective cohort study presents a machine learning-based predictive framework utilizing a combined panel of minimally invasive circulating biomarkers for early diagnosis and multi-grade prediction of liver cancer. This curated dataset is composed of urine/blood biomarkers like β-hCG, PD-L1 and Alpha-Fetoprotein. A hybrid and heterogeneous ensemble learning-based prediction technique has been proposed for the thorough analysis of collected data
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.
Reliable Predictive Maintenance (PdM) in Industrial Internet of Things (IIoT) environments is challenged by severe class imbalance, heterogeneous sensor variables, inconsistent experimental protocols, and deployment constraints. This study proposes a Physics-Informed Benchmarking Framework that integrates engineering-guided feature construction, Mutual Information (MI)-based feature relevance analysis, standardized model development, and deployment-oriented evaluation within a unified and reproducible workflow. Using the AI4I 2020 Predictive Maintenance Dataset, Logistic Regression, Isolation
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.
Data mining is a robust methodology designed to predict feature performance, identify trends within datasets, classify data based on similarities and optimize resource allocation. In the context of dairy farming, multiple birth is generally regarded as an undesirable outcome due to its adverse effects on cow fertility rates and the health of multiple calves, ultimately impacting farm profitability. This study conducts a comprehensive evaluation of various machine learning algorithms for the classification of multiple birth data using the Waikato Environment for Knowledge Analysis (WEKA) platfo
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.
Reliable classification of polymer-solvent compatibility is essential for solution formulation and materials discovery. Applying machine learning (ML) and artificial intelligence to this task is of growing interest in polymer science, but the effectiveness of such models depends on the quality/nature of the training data. This study evaluates how experimental data fidelity, as set by the experimental method, influences ML model performance by comparing classifiers trained on two experimental datasets: one generated from turbidity-based measurements using a Crystal16 parallel crystallizer as a
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.
Although rare overall, salivary gland carcinomas (SGCs) are among the most common oral and maxillofacial malignancies. The aim of this study was to develop a machine learning-based model to predict the survival of patients with SGC. Patients in whom SGC was confirmed by histological testing and who underwent primary extirpation at the authors' institution between 1963 and 2014 were identified. Demographic and clinicopathological data with complete follow-up information were collected for analysis. Feature selection methods were used to determine the correlation between prognosis-related factor
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: There has been a notable increase in artificial intelligence (AI) studies in dentistry. However, the inadequate use of proper validation methods has led to overly optimistic performance metrics of machine learning (ML) models. External validation provides evidence of a ML model's performance with independent datasets and is crucial for generalizability.
METHODS: We developed Extreme Gradient Boosting (XGBoost) models to detect dental caries using easy-to-collect questionnaire data. ML model training was conducted using cross-validation nested resampling with a holdout test set, ut
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.
MedElevator
Войти в исследования