BACKGROUND: Necrotizing fasciitis (NF), a fulminant soft tissue infection manifesting acute onset and rapid progression with substantial mortality risks, poses diagnostic challenges due to its predominant reliance on clinical evaluation during initial presentation, frequently leading to diagnostic inaccuracies. This study constructs an interpretable machine learning model leveraging clinical data to optimize early prediction of NF.
METHODS: This single-center retrospective study analyzed 288 soft tissue infection patients, partitioned into training (n = 201) and validation (n = 87) cohorts us
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 Objective The lower limb activity of recognition of the elderly, the weak, the disabled and the sick is an irreplaceable role in the caring of daily life. The main purpose of this study is to assess the feasibility of using the surface electromyography (sEMG) signal and inertial measurement units (IMUs) data to determine the optimal fusion features and classifier for the study of daily ambulation mode recognition. Methods We have carried out several steps of experiments to obtain and test the optimal combination of the sEMG data and the body motion data at the feature level and
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.
The diagnostic landscape for idiopathic normal-pressure hydrocephalus is intricate, and there is a pressing need for accurate and cost-effective methods. Because of the lack of accurate diagnostic and prognostic quantitative biomarkers, the frequent presence of comorbidities, and the limited understanding of the pathophysiology of the disorder, only a minority of patients receive disease-specific treatment. While traditional neuroimaging offers insights, its isolated diagnostic precision can be enhanced. Emerging quantitative methods analyzing cortical thickness based on standard T1-weighted b
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.
ObjectiveTo develop a machine learning model for predicting intestinal necrosis in older patients with incarcerated hernia and interpret the model using SHapley additive exPlanations (SHAP) to assist clinicians in early identification of intestinal necrosis and formulating more appropriate treatment strategies.MethodsThis retrospective cohort study analyzed 324 older patients with incarcerated hernia who were admitted to the Department of Emergency Surgery and Department of Hernia and Abdominal Wall Surgery at the Affiliated Lu'an Hospital of Anhui Medical University between March 2015 and Feb
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.
The climate crisis underscores the need for weather-based predictive analytics in healthcare, as weather factors contribute to ~11% of the global stroke burden. Therefore, we developed machine learning models using locoregional weather data to forecast daily acute ischemic stroke (AIS) admissions. An AIS cohort of 7914 patients admitted between 2015 and 2021 at the tertiary University Medical Center Mannheim, Germany, with a 600,000-population catchment area, was geospatially matched to German Weather Service data. Poisson regression, boosted generalized additive models, support vector machine
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: Infertility affects approximately 15% of couples globally, with assisted reproductive technologies (ARTs) becoming the primary interventions. Despite the growing use of ARTs, success rates have plateaued at around 30%, highlighting the need for improved predictive models to enhance outcomes. This study aimed to develop a machine learning-based predictive model for live birth outcomes following fresh embryo transfer.
METHODS: A total of 51,047 ART records were collected from 2016 to 2023 at the Shanghai First Maternity and Infant Hospital. After data preprocessing, 11,728 records a
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 AND OBJECTIVES: To develop and validate a machine learning model to predict the risk of psoriasis based on 45 dietary nutrients.
METHODS AND STUDY DESIGN: 12,749 participants from the National Health and Nutrition Examination Survey from 2009-2014 were included and their demographic, lifestyle, health status, and dietary nutrient-related information is collected. Imbalanced data were processed using the syn-thetic minority oversampling technique (SMOTE). After removing the covariate features, important features were further screened using the Boruta algorithm and six machine learni
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: Ankle sprains are common and cause persistent ankle function reduction. To biomechanically evaluate the ankle function after ankle sprains, the ground reaction force (GRF) measurement during the single-legged landing had been used. However, previous studies focused on discrete features of vertical GRF (vGRF), which largely ignored vGRF waveform features that could better identify the ankle function.
PURPOSE: To identify how the history of ankle sprain affect the vGRF waveform during the single-legged landing with unsupervised machine learning considering the time-series informatio
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.
OBJECTIVE: Voice analysis for medical diagnostics is advancing rapidly with artificial intelligence and machine learning. Non-invasive voice analysis could optimize diagnostic procedures in ear, nose, and throat (ENT), supplementing endoscopic evaluations and guiding treatment strategies. This study aims to distinguish early glottic carcinomas (EGCs) from unilateral laryngeal immobility (ULI) in dysphonic patients using machine learning.
STUDY DESIGN: A machine learning model was developed in Python, incorporating data segmentation, normalization, hyperparameter tuning, and data augmentation
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.
INTRODUCTION: Postmenopausal bleeding (PMB) is a common clinical symptom, with endometrial cancer (EC) accounting for about 10% of cases. This study aimed to develop machine-learning models to predict EC in women with PMB, supporting risk stratification and optimizing diagnostic pathways.
MATERIAL AND METHODS: We retrospectively analysed 617 women who underwent hysteroscopy for PMB at the Meir Medical Center between 2014 and 2023. Demographic, clinical, laboratory, and imaging data were collected. Three supervised machine-learning algorithms - Random Forest, eXtreme Gradient Boosting (XGBoost
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: Upper limb dysfunctions are common and disabling in daily life. Accelerometer data are commonly used to describe upper limb use. However, different data analyzing methods are used to describe or classify upper limb use.
RESEARCH QUESTION: The purpose of this systematic review was to present an overview of the assessment and data-analysis methods using accelerometery, and to specify their accuracy and validity assessing upper limb functional use.
METHODS: A systematic literature search was performed consulting the following databases: Pubmed, Embase, Scopus, Web of Science, Sport
Систематический обзорСтатьяПоиск 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 OBJECTIVES: Post-stroke cognitive impairment (PSCI) occurs in up to 50% of patients with acute ischemic stroke (AIS). Thus, the prediction of cognitive outcomes in AIS may be useful for treatment decisions. This PSCI cohort study aimed to determine the applicability of a machine learning approach for predicting PSCI after stroke.
METHODS: This retrospective study used a prospective PSCI cohort of patients with AIS. Demographic features, clinical characteristics, and brain imaging variables previously known to be associated with PSCI were included in the analysis. The primary ou
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: Anaemia is a common complication after kidney transplantation, and the haemoglobin concentration is one of the main criteria for identifying anaemia. Moreover, artificial intelligence methods have developed rapidly in recent years, are widely used in the medical field and have achieved good results.
OBJECTIVE: To optimize the process of constructing a clinical prediction model based on machine learning and improve related technologies. A classification prediction model for the haemoglobin concentration after kidney transplantation was constructed.
METHODS: Real-world data from 85
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.
To predict endoleaks after thoracic endovascular aneurysm repair (TEVAR) we submitted patient characteristics and vessel features observed on pre- operative computed tomography angiography (CTA) to machine-learning. We evaluated 1-year follow-up CT scans (arterial and delayed phases) in patients who underwent TEVAR for the presence or absence of an endoleak. We evaluated the effect of machine learning of the patient age, sex, weight, and height, plus 22 vascular features on the ability to predict post-TEVAR endoleaks. The extreme Gradient Boosting (XGBoost) for ML system was trained on 14 pati
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: The aims of this study were to determine the predictive value of decision support analysis for the shock wave lithotripsy (SWL) success rate and to analyze the data obtained from patients who underwent SWL to assess the factors influencing the outcome by using machine learning methods.
METHODS: We retrospectively reviewed the medical records of 358 patients who underwent SWL for urinary stone (kidney and upper-ureter stone) between 2015 and 2018 and evaluated the possible prognostic features, including patient population characteristics, urinary stone characteristics on a non-cont
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: COVID-19 represents a wide range of clinical severity. Early identification of patients at high risk of severe disease is critical for appropriate clinical management and resource allocation. This study aims to predict COVID-19 severity using machine learning methods. METHODS: In this retrospective study, laboratory data from 816 hospitalized COVID-19 patients in Hamadan Province, Iran, were analyzed. According to the World Health Organization guideline, patients were classified into two groups: severe and non-severe based on clinical evaluation. Blood parameters including D-dimer,
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.
One of the common types of cancer for women is ovarian cancer. Still, at present, there are no drug therapies that can properly cure this deadly disease. However, early-stage detection could boost the life expectancy of the patients. The main aim of this work is to apply machine learning models along with statistical methods to the clinical data obtained from 349 patient individuals to conduct predictive analytics for early diagnosis. In statistical analysis, Student's t-test as well as log fold changes of two groups are used to find the significant blood biomarkers. Furthermore, a set of mach
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 AND OBJECTIVE: Polycystic ovary syndrome is one of the most common types of endocrine and metabolic diseases in women of reproductive age that needs to be screened early and assessed non-invasively. The objective of the current study was to develop prediction models for polycystic ovary syndrome based on data of tongue and pulse using machine learning techniques.
METHODS: A dataset of 285 polycystic ovary syndrome patients and 201 healthy women were investigated to identify the significant tongue and pulse parameters for predicting polycystic ovary syndrome. In this study, feature
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: Due to high patient demand, increasing numbers of non-dermatologists are performing skin assessments and carrying out laser interventions in medical spas, leading to inferior outcomes and higher complications. A machine learning tool that automatically analyzes patient skin has the potential to aid non-dermatologists.
AIMS: To develop a high-performing machine learning model that predicts Fitzpatrick skin type, hyperpigmentation, redness, and wrinkle severity simultaneously.
METHODS: We developed the SkinAnalysis dataset of 3662 images, labeled by a dermatologist across five skin
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.
Machine learning can discern meaningful information from large datasets. Applying machine learning techniques to raw sensor data from instrumented walkways could automatically detect subtle changes in walking and balance. Multiple sclerosis (MS) is a neurological disorder in which patients report varying degrees of walking and balance disruption. This study aimed to determine whether machine learning applied to walkway sensor data could classify severity of self-reported symptoms in MS patients. Ambulatory people with MS (n = 107) were asked to rate the severity of their walking and balance di
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