PURPOSE: This meta-analysis aimed to evaluate the performance of machine learning (ML) models in predicting postoperative delirium (POD) and to provide guidance for clinical application.
METHODS: PubMed, Embase, Cochrane Library, and Web of Science databases were searched from inception to April 29, 2024. Studies reported ML models for predicting POD in adult patients were included. Data extraction and risk of bias assessment were performed using the Transparent Reporting of a multivariable prediction model for Individual Prognosis Or Diagnosis - AI (TRIPOD-AI) and Prediction model Risk Of Bi
Систематический обзорСтатьяМетаанализПолный 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.
PURPOSE: Early and accurate assessment of distal radius fractures (DRFs) is crucial for optimal prognosis. Identifying fractures likely to lose threshold alignment (instability) in a cast is vital for treatment decisions, yet prediction tools' accuracy and reliability remain challenging. Artificial intelligence (AI), particularly Convolutional Neural Networks (CNNs), can evaluate radiographic images with high performance. This systematic review aims to summarize studies utilizing CNNs to detect, classify, or predict loss of threshold alignment of DRFs.
METHODS: A literature search was perform
Систематический обзорСтатьяПолный 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: Intracranial aneurysms (IAs) account for approximately 85% of all spontaneous subarachnoid hemorrhage (SAH) cases and are associated with poor outcomes, including death, in up to 25-50% of patients. Rupture risk is influenced by a variety of factors and exhibits substantial inter-patient variability. In this study, we aimed to develop a prediction model for IAs rupture risk by integrating clinical, computed tomographic angiography (CTA) morphological, and radiomics features, and to evaluate the consistency of predictive performance across multiple machine learning (ML) algorithms.
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.
Glaucoma is a progressive neurodegenerative disease characterized by the gradual degeneration of retinal ganglion cells, leading to irreversible blindness worldwide. Therefore, timely and accurate diagnosis of glaucoma is crucial, enabling early intervention and facilitating effective disease management to mitigate further vision deterioration. The advent of optical coherence tomography (OCT) has marked a transformative era in ophthalmology, offering detailed visualization of the macula and optic nerve head (ONH) regions. In recent years, both 2D and 3D convolutional neural network (CNN) algor
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.
Gut microbiota has been implicated in the pathogenesis of multiple gastrointestinal (GI) and systemic metabolic and inflammatory disorders where disrupted gut microbiota composition and function (dysbiosis) has been found in multiple studies. Thus, human microbiome data holds significant potential as a source of information for diagnosing and characterizing diseases-such as phenotypes, disease course, and therapeutic response-associated with dysbiotic microbiota communities. However, multiple attempts to leverage gut microbiota taxonomic data for diagnostic and disease characterization have fa
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.
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2022eng
PURPOSE: An osteoporotic vertebral fracture (OVF) is a common disease that causes disabilities in elderly patients. In particular, patients with nonunion following an OVF often experience severe back pain and require surgical intervention. However, nonunion diagnosis generally takes more than six months. Although several studies have advocated the use of magnetic resonance imaging (MRI) observations as predictive factors, they exhibit insufficient accuracy. The purpose of this study was to create a predictive model for OVF nonunion using machine learning (ML).
METHODS: We used datasets from t
СтатьяПоддержка 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.
Multiple-use prediction and calibration for all future values play an important role in many areas, including health and medical research. Simultaneous tolerance bands (STBs) can be employed for these purposes. This article studies the construction of exact STBs for multiple regression over any given rectangular covariate regions and for polynomial regression over any given covariate intervals. We first fill the gap in constructing the exact STBs for multiple regression over rectangular regions. We then propose a general form of STBs and develop a method for computing the critical constants fo
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.
Two-dimensional (2D) inorganic crystals are a class of materials that are gaining significant attention for use in electronic and optoelectronic devices. Among many other exciting applications, 2D materials offer a range of beneficial properties to such devices owing to charge carrier confinement, high carrier mobility, tunable band gaps, strong light-matter interactions, and atomically thin geometries that enable excellent electrostatic control and mechanical flexibility. In parallel, data-driven approaches to predictions of inorganic material properties have gained considerable attention as
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.
Finding effective drug combinations is a pivotal strategy for enhancing therapeutic efficacy and overcoming drug resistance in complex diseases like cancer. While computational methods have accelerated this discovery, most existing models are confined to predicting pairwise interactions, failing to capture the complex, higher-order synergies inherent in multi-drug regimens. To bridge this critical gap, we introduce an enhanced hypergraph random walk (EHRW) model uniquely designed to predict effective drug combinations. Our framework naturally represents multi-drug relationships using hypergrap
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: In this study, we aimed to develop a machine learning (ML) model for predicting Polycystic Ovary Syndrome (PCOS) based on demographic, clinical, and biochemical parameters.
METHODOLOGY: We collected data from Kaggle, which included information on age, body mass index, menstrual cycle length, follicle-stimulating hormone, hair growth, and more. Using this data, we trained several traditional ML and ensemble algorithms to predict PCOS.
RESULTS: Among the traditional ML algorithms, Logistic Regression emerged as the best, boasting the highest accuracy of 0.91 and an AUC of 0.90. In e
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.
Artificial intelligence (AI), the technique of extracting information from complex database using sophisticated computer algorithms, has incorporated itself in medical field. AI techniques have shown the potential to accelerate the progression of diagnosis and treatment of cardiovascular diseases (CVDs), including heart failure, atrial fibrillation, valvular heart disease, hypertrophic cardiomyopathy, congenital heart disease and so on. In clinical scenario, AI have been proved to apply well in CVD diagnosis, enhance effectiveness of auxiliary tools, disease stratification and typing, and outc
СтатьяОбзорПоиск 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.
Most existing classification methods aim to minimize the overall misclassification error rate. However, in applications such as loan default prediction, different types of errors can have varying consequences. To address this asymmetry issue, two popular paradigms have been developed: the Neyman-Pearson (NP) paradigm and the cost-sensitive (CS) paradigm. Previous studies on the NP paradigm have primarily focused on the binary case, while the multi-class NP problem poses a greater challenge due to its unknown feasibility. In this work, we tackle the multi-class NP problem by establishing a conn
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.
OBJECTIVE: To develop and internally validate an interpretable machine-learning model using routine precollection variables to predict mononuclear cell (MNC) collection efficiency (CE) during leukapheresis for CAR-T manufacturing.
METHODS: This retrospective study included 206 consecutive patients who underwent leukapheresis between 2022 and 2025. Candidate variables were screened with Pearson correlation, Boruta, recursive feature elimination, and variance-threshold filters. Six supervised algorithms were trained with nested cross-validation, using an inner fivefold loop for tuning and an ou
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: Solar irradiance is a nonlinear and intermittent function, which makes accurate forecasting of solar power generation a challenge. The high variability of meteorological conditions is not well represented by conventional atmospheric models, thus hampering forecasting skill and model robustness. In this work, an advanced hybridization of multi-population cuckoo search (HMPCS) algorithm with machine learning (ML) methods is developed to enhance the predicated performance of photovoltaic (PV) power forecasting with more reliability.
METHODS: In this study, a hybrid modeling framework
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.
During the neonatal period, newborns are more susceptible to developing conditions and diseases due to their fragility of the transition and adaptation to the extrauterine environment. Neonatal sepsis is one of the leading causes of morbidity and mortality in newborns, particularly among preterm and low birth weight infants, requiring early diagnosis to reduce complications and deaths. In this work, we evaluate the performance of artificial intelligence models in predicting neonatal sepsis and also identify the attributes that most contribute impact on models' learning and their relationship w
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.
This study aimed to develop machine learning models for predicting tumor recurrence in breast cancer before neoadjuvant systemic therapy (NST) by integrating clinical and radiomic features derived from pretreatment computed tomography (CT). We retrospectively enrolled 235 patients with 237 breast tumors who underwent contrast-enhanced CT before NST. Datasets were randomly divided into five-fold training and testing sets using semi-random partitioning to ensure similar clinical characteristics between the two subsets. Subsequently, a nested five-fold cross-validation was performed to develop a
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.
CONTEXT: Early detection and prospective evaluation of individuals who will develop schizophrenia or other psychotic disorders are critical to efforts to isolate mechanisms underlying psychosis onset and to the testing of preventive interventions, but existing risk prediction approaches have achieved only modest predictive accuracy.
OBJECTIVES: To determine the risk of conversion to psychosis and to evaluate a set of prediction algorithms maximizing positive predictive power in a clinical high-risk sample.
DESIGN, SETTING, AND PARTICIPANTS: Longitudinal study with a 2 1/2-year follow-up of 2…
СтатьяМногоцентровое исследованиеПоддержка 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.
MOTIVATION: The aim of quantitative structure-activity prediction (QSAR) studies is to identify novel drug-like molecules that can be suggested as lead compounds by means of two approaches, which are discussed in this article. First, to identify appropriate molecular descriptors by focusing on one feature-selection algorithms; and second to predict the biological activities of designed compounds. Recent studies have shown increased interest in the prediction of a huge number of molecules, known as Big Data, using deep learning models. However, despite all these efforts to solve critical challe
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.
Pathogenic microbial contamination in seafood presents persistent risks to food safety and public health. Conventional monitoring methods frequently lack adequate sensitivity and specificity, particularly under dynamic environmental conditions. To address these limitations, this study developed a machine learning (ML) framework utilizing microbial testing data from seafood samples collected in Yantai, China (2014-2024), with 2025 data reserved for external validation. The framework simultaneously predicts pathogen prevalence and severity levels. And, exploratory data analysis assessed variable
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.
Mortality prediction in acute respiratory distress syndrome (ARDS) is critical for early triage and targeted treatment. In this study, we compared multiple machine learning models to predict 90-day all-cause mortality and 28-day hospital mortality in ARDS patients, with all models achieving good discrimination (AUC: 0.715-0.753 and 0.693-0.721, respectively). Among models, XGBoost achieved the most consistent balance of AUC, recall, and F1 score across both outcomes, making it the most clinically appropriate model where underpredicting high-risk patients brings significant consequences. Random
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.
MedElevator
Войти в исследования