BACKGROUND: Time-series forecasting is crucial in pharmaceutical fermentation, where early detection of deviations safeguards product quality. As the industry evolves toward Pharma 4.0, integrating machine learning into process monitoring and control presents an opportunity to enhance efficiency, consistency, and regulatory compliance. However, currently there is a notable lack of reliable machine learning based predictive tools for complex pharmaceutical fermentations.
OBJECTIVE: To develop a machine learning model based on Gated Recurrent Units (GRUs) for predicting penicillin concentration
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: Chronic fatigue severely compromises the quality of life in patients with granulomatosis with polyangiitis (GPA). Traditional diagnostic methods are often time-consuming, relying on clinical expertise and detailed questionnaires. This study aimed to develop a machine learning model capable of predicting chronic fatigue in GPA patients based on clinical data, with a particular focus on improving diagnostic capacity in regions with limited access to specialists.
METHODS: This cross-sectional study collected data on fatigue (measured by the Modified Fatigue Impact Scale, MFIS), funct
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.
BACKGROUND: Low nuclear grade ductal carcinoma in situ (DCIS) patients can adopt proactive management strategies to avoid unnecessary surgical resection. Different personalized treatment modalities may be selected based on the expression status of molecular markers, which is also predictive of different outcomes and risks of recurrence. DCIS ultrasound findings are mostly non mass lesions, making it difficult to determine boundaries. Currently, studies have shown that models based on deep learning radiomics (DLR) have advantages in automatic recognition of tumor contours. Machine learning mode
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: Wound infection is a major determinant of poor prognosis in patients with diabetic foot ulcers (DFUs). This study aimed to develop, compare, and externally validate multiple machine learning (ML) models for predicting wound infection in DFUs using routinely collected clinical indicators.
METHODS: A total of 800 patients with DFUs were retrospectively enrolled. The primary cohort (n=500) was randomly divided into training (70%, n=350) and internal testing (30%, n=150) sets, while an independent cohort (n=300) was used for external validation. Eight ML algorithms were constructed and c
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.
OBJECTIVES: This study aimed to develop and evaluate machine learning (ML) models for predicting non-alcoholic fatty liver disease (NAFLD) in patients with type 2 diabetes mellitus (T2DM) using readily accessible clinical and biochemical indicators.
METHODS: A total of 2,459 patients with T2DM were enrolled in this cross-sectional study. Eight ML algorithms, logistic regression (LG), k-nearest neighbors (k-NN), support vector machine (SVM), decision tree (DT), random forest (RF), gradient boosting machine (GBM), extreme gradient boosting (XGBoost), and naïve Bayes (NB), were developed to cons
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.
Traditional clinical risk assessment tools proved inadequate for reliably identifying individuals at high risk for suicidal behavior. As a result, machine learning (ML) techniques have become progressively incorporated into psychiatric care. This study evaluates the predictive capability of national survey data, which includes factors such as lifestyle behaviors and mental health indicators, in forecasting adolescent suicidal behavior. The predictive performance of six ML models-Logistic Regression (LR), Decision Tree (DT), Support Vector Machine (SVM), Gradient Boosting Machine (GBM), Extreme
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.
Anti-tuberculosis drug-induced liver injury (ATLI) is the most harmful to anti-tuberculosis (TB) treatment. This study aims to construct and validate a binary ATLI risk prediction model based on clinical data through seven machine learning algorithms (logistic regression, decision tree, support vector machine, random forest, gradient boosting decision tree, extreme gradient boosting, and light gradient boosting machine [LightGBM]). A retrospective cohort of 2356 TB patients followed between January 2017 and December 2024 was used to develop and evaluate the prediction model. Random undersampli
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.
BACKGROUND: Differentiating idiopathic Parkinson's disease (IPD) from multiple system atrophy-parkinsonian type (MSA-P) is essential for optimizing patient care and prognosis, given the differences in disease progression and treatment response.
OBJECTIVES: This study aimed to develop and evaluate a radiomics-based model using magnetic resonance imaging (MRI)-derived features to distinguish IPD from MSA-P.
DESIGN: A multicenter retrospective study.
METHODS: A multicenter retrospective study was conducted with 287 patients (186 IPD and 101 MSA-P) who underwent brain MRI. Radiomic features 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.
Rationale: Differential diagnosis of pleural effusion is challenging in clinical practice. Objectives: We aimed to develop a machine learning model to classify the five common causes of pleural effusions. Methods: This retrospective study collected 49 features from clinical information, blood, and pleural fluid of adult patients who underwent diagnostic thoracentesis between October 2013 and December 2018. Pleural effusions were classified into the following five categories: transudative, malignant, parapneumonic, tuberculous, and other. The performance of five different classifiers, including
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.
Cardiovascular diseases (CVDs) are a serious public health issue that affects and is responsible for numerous fatalities and impairments. Ischemic heart disease (IHD) is one of the most prevalent and deadliest types of CVDs and is responsible for 45% of all CVD-related fatalities. IHD occurs when the blood supply to the heart is reduced due to narrowed or blocked arteries, which causes angina pectoris (AP) chest pain. AP is a common symptom of IHD and can indicate a higher risk of heart attack or sudden cardiac death. Therefore, it is important to diagnose and treat AP promptly and effectively
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.
The predictive modeling of postoperative mechanical complications, such as the early micro-rotation of premium toric intraocular lenses (IOLs), is severely hindered by the extreme imbalance of clinical datasets. Traditional statistical methods often fail to capture complex biomechanical interactions in rare-event scenarios. This exploratory pilot study introduces a machine learning framework designed as a hypothesis-generating tool to handle extremely imbalanced ophthalmic data and identify potential preoperative biometric features associated with toric IOL micro-rotation. A prospective cohort
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: Depression in older adults is often underdiagnosed due to atypical symptom presentation and generational stigma, leading to delayed intervention. Early identification of individuals at risk of developing elevated depressive symptoms is therefore critical, but traditional approaches show limited predictive accuracy. To date, no study has applied machine learning (ML) models to predict clinically significant depressive symptoms at 2-year follow-up in older adults in the United Kingdom using data from the English Longitudinal Study of Ageing (ELSA). Moreover, the impact of encoding st
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.
Identifying effective biomarkers has long been a persistent need for early diagnosis and targeted therapy of disease. While mass spectrometry-based label-free proteomics with trace cell has been demonstrated, deep proteomics with ultratrace human biofluid remains challenging due to low protein concentration, extremely limited patient sample volume, and substantial protein contact losses during preprocessing. Herein, we proposed and validated lanthanide metal-organic framework flowers (MOF-flowers), as effective materials, to trap and enrich protein in biofluid jointly through cation-π interact
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.
Extreme gradient boosting methods outperform conventional machine-learning models. Here, we have developed the LEukemia Artificial intelligence Program (LEAP) with the extreme gradient boosting decision tree method for the optimal treatment recommendation of tyrosine kinase inhibitors (TKIs) in patients with chronic myeloid leukemia in chronic phase (CML-CP). A cohort of CML-CP patients was randomly divided into training/validation (N = 504) and test cohorts (N = 126). The training/validation cohort was used for 3-fold cross validation to develop the LEAP CML-CP model using 101 variables at di
СтатьяРандомизированное исследованиеПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПолный 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: Preterm birth (PTB) is a significant cause of neonatal mortality and long-term health issues. Accurate prediction and timely prevention of PTB are essential for reducing associated child mortality and morbidity. Traditional predictive methods face challenges due to heterogeneous risk factors and their interaction effects. This study aims to develop and evaluate six machine learning (ML) models to predict PTB using large-scale children survey data from Shenzhen, China, and to identify key predictors through Shapley Additive Explanations (SHAP) analysis.
METHODS: Data from 84,050 mo
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.
Lung cancer remains the leading cause of cancer-related incidence and mortality worldwide. Its tendency for postoperative distant metastasis significantly compromises long-term prognosis and survival. Accurately predicting the metastatic potential in a timely manner is crucial for formulating optimal treatment strategies. This study aimed to comprehensively compare the predictive performance of nine machine learning (ML) models and to enhance interpretability through SHAP (Shapley Additive Explanations), with the goal of developing a practical and transparent risk stratification tool for posto
СтатьяСравнительное 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 construct a machine learning diagnostic model for hereditary hearing loss based on GJB2 and SLC26A4 genes and perform interpretability analysis using SHapley Additive explanations (SHAP). Methods: The data of genetic variants and hearing status were collected from 1 539 individuals at the Deafness Molecular Diagnosis Center of the Chinese PLA General Hospital from June 2015 to August 2024. Participants were categorized by expert diagnosis as hereditary hearing loss patients or non-hereditary hearing loss individuals, and were randomly assigned to a training set (n=1 077) and a te
Аннотация на английскомСтатьяПолный 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: Machine learning offers quantitative pattern recognition analysis of wearable device data and has the potential to detect illness onset and monitor influenza-like illness (ILI) in patients who are infected.
OBJECTIVE: This study aims to evaluate the ability of machine-learning algorithms to distinguish between participants who are influenza positive and influenza negative in a cohort of symptomatic patients with ILI using wearable sensor (activity) data and self-reported symptom data during the latent and early symptomatic periods of ILI.
METHODS: This prospective observational c
СтатьяНаблюдательное исследованиеПоддержка 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.
INTRODUCTION: Parkinson's disease (PD) is a neurodegenerative illness that impairs normal human movement. The primary cause of PD is the deficiency of dopamine in the human brain. PD also leads to several other challenges, including insomnia, eating disturbances, excessive sleepiness, fluctuations in blood pressure, sexual dysfunction, and other issues.
METHODS: The suggested system is an extremely promising technological strategy that may help medical professionals provide accurate and unbiased disease diagnoses. This is accomplished by utilizing significant and unique traits taken from spir
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.
Against the backdrop of booming engineering construction in loess areas, achieving rapid and accurate prediction of the loess collapsibility coefficient is of great significance. This study takes the loess in the Longdong area as the research object. Based on analyzing the correlation between the collapsibility coefficient and various soil property indices, a rapid determination standard for the collapsibility of loess in this area is proposed. Prediction models between the loess collapsibility coefficient and void ratio, depth, saturation, and compression coefficient are established using thr
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.
MedElevator
Войти в исследования