The efficient allocation of medical personnel to clinical care requires adapting to fluctuating requirements. Nursing workloads at hospital wards depend not just on patient numbers (occupancy), but are also associated with individual features that are increasingly available in Electronic Health Records (EHRs). These EHRs thus promise to support human resource management with automated predictions of patient-specific nursing needs. To evaluate EHR-based workload estimates, we trained Random Forest (RF) and Gradient Boosting (GB) models in an anonymous dataset of 27,178 inpatient cases and 53 at
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.
OBJECTIVE: To develop a machine learning (ML)-based predictive model for assessing the risk of zero-dose children using Demographic Health Survey data in sub-Saharan Africa.
METHODS: This study analysed pooled Demographic and Health Survey data from 27 countries in sub-Saharan Africa collected between 2016 and 2024. Data preprocessing included imputation, balancing of unequal classes and systematic feature selection. Seven ML models were trained and evaluated using performance metrics such as accuracy, recall and F1-score. Feature importance was interpreted using SHapley Additive exPlanations
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.
Road traffic crashes pose a serious public safety challenge, particularly due to fatal and serious injuries. Although machine learning (ML) has been widely used for crash severity prediction, many studies remain accuracy-oriented and insufficiently address class imbalance, decision thresholds, and probabilistic reliability. This study proposes a safety-oriented and explainable ML framework for predicting killed or seriously injured (KSI) crashes using nationwide United Kingdom traffic accident data from 2020-2024. Crash severity is reformulated as a binary classification task distinguishing sl
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.
Metritis is a common postpartum uterine disease in dairy cows that impairs fertility, reduces milk yield, increases culling risk, and causes substantial economic loss. This study aimed to develop and externally validate machine learning models for early metritis prediction using routinely recorded calving and reproductive data from commercial Holstein dairy herds. The analytical unit was the calving-event record, so individual cows could contribute repeated observations across lactations and calendar years. A retrospective development dataset included 92,662 calving-event records collected fro
СтатьяСравнительное 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.
Heart disease remains one of the leading causes of mortality worldwide, creating an urgent need for accurate and scalable predictive systems that enable early diagnosis and timely clinical intervention. Traditional machine learning approaches often struggle to efficiently process large-scale medical datasets and lack interpretability, limiting their usefulness for supporting clinical decision-making. To address these challenges, this study proposes a Cluster Visualized Distributed Machine Learning framework for heart disease prediction. The framework incorporates two distributed algorithms: Cl
СтатьяVideo-Audio MediaПоиск 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.
Clinical decision-making depends on the ability to anticipate ischemic heart disease (IHD) accurately and interpretably. Despite their excellent accuracy, machine learning models are not often accepted in medical applications due to their black-box nature. To diagnose IHD, this study suggests an Explainable Artificial Intelligence (XAI) architecture that combines explainable models with the Enhanced Squirrel Search Optimization (ESSO) method for feature selection. The proposed Enhanced Squirrel Search Optimization (ESSO) introduces adaptive exploration mechanisms to efficiently identify an opt
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.
In this paper, a distributed robust adaptive confined fault-tolerant optimal control method based on deep neural networks is proposed, aiming to solve the complexity and uncertainty problems in human height and weight prediction. Note that the term 'control' in this work refers to feedback regulation of the iterative learning/optimization dynamics of the predictor (iteration domain), rather than controlling the physical time evolution of human height/weight. In the field of public security technology, accurate prediction of individual physiological characteristics has important application val
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.
Accurate prediction of NH3 and H2S emissions is essential for odor-risk control and process management during composting, but remains challenging because emissions are driven by nonlinear, stage-dependent, and interacting operating conditions. In this study, we developed an interpretable cross-study machine-learning framework for NH3 and H2S prediction using routinely monitored composting variables. A harmonized dataset from 46 published studies provided 542 NH3 and 496 H2S observations after quality control and predictor screening. Five algorithms were benchmarked under study-wise grouped val
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.
Dengue remains a major public health problem in endemic regions, including Bangladesh. Forecasting algorithms relying on climatic variables may not capture epidemiological information such as dengue serotype patterns. This study proposes a horizon-dependent dengue forecasting framework and applies it to Bangladesh. This pipeline included temporal, meteorological, demographic, and epidemiological covariates in a district-panel pipeline and compares classical, machine-learning, and deep-learning algorithms using aggregate, horizon-wise, regime-wise, outbreak-detection, and uncertainty metrics. 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.
PURPOSE: This study evaluates the effectiveness of machine learning (ML) algorithms for improving the preoperative diagnosis of acute appendicitis in children, focusing on the accurate prediction of the severity of disease.
METHODS: An anonymized clinical and operative dataset was retrieved from the medical records of children undergoing emergency appendectomy between 2014 and 2021. We developed an ML pipeline that pre-processed the dataset and developed algorithms to predict 5 appendicitis grades (1 - non-perforated, 2 - localized perforation, 3 - abscess, 4 - generalized peritonitis, and 5
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.
Accurate prediction and regulation of greenhouse gas (GHG) emissions during composting are essential for mitigating global warming. Herein, two multi-model machine learning frameworks were developed based on Gradient Boosting Regression, Extreme Gradient Boosting, and Extra Trees Regression algorithms. In particular, the modular multi-model demonstrated superior performance in predicting CO2, CH4, and N2O emissions, achieving R2 values of 0.9662, 0.9729, and 0.9051, respectively. The stacking ensemble model also exhibited high accuracy in cumulative emission prediction (R2 = 0.9278). SHapley 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.
Objective: Objectively and efficiently measuring physical activity is a common issue facing the fields of medicine, public health, education, and sports worldwide. In response to the problem of low accuracy in predicting energy consumption during human motion using accelerometers, a prediction model for asynchronous energy consumption in the human body is established through various algorithms, and the accuracy of the model is evaluated. The optimal energy consumption prediction model is selected to provide theoretical reference for selecting reasonable algorithms to predict energy consumption
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.
Artificial intelligence is transforming obstetric practice through applications in diagnostic imaging, risk prediction, and clinical decision-making. Deep learning algorithms have achieved diagnostic accuracy comparable to that of experienced clinicians. However, gaps persist between algorithmic capability and clinical implementation. Critical challenges include limited external validation and algorithmic bias. This review examines current AI applications in obstetrics across multiple clinical domains: automated fetal biometry, structural anomaly detection, prediction of pregnancy complication
СтатьяОбзорПолный 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: According to the WHO, as of 2025, 1.4 billion adults between the ages 30-79 were living with hypertension, with approximately two-thirds of that number from low- and middle-income countries (LMICs). By 2025, the number of individuals with hypertension is expected to have reached 1.5 billion, with sub-Saharan Africa alone projected to have 74.7 million cases. In recent years, artificial intelligence (AI) has demonstrated the potential to improve the accuracy of risk assessment tools for predicting, managing and diagnosing diseases before they escalate. This paper aims to conduct a sc
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.
Postpartum depression (PPD) affects nearly one in five mothers, yet many cases remain undetected. This study demonstrates the value of a leakage-resistant, rigorously designed machine learning pipeline for early prediction using psychosocial data from 1,430 women during pregnancy. Concept-level feature harmonization addressed data artifacts, while repeated group-aware cross-validation, calibration, and recall-oriented thresholding ensured robust evaluation. Class imbalance was handled using weighting and SMOTE. Models showed strong performance (ROC-AUC: 0.762-0.801; PR-AUC: 0.400-0.490), with
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.
Offline reinforcement learning constrains policy optimization within a given dataset, avoiding the high costs and unpredictable risks associated with online sampling in the real world. Model-based approaches provide a promising direction for offline reinforcement learning, as extensive policy explorations and evaluations can happen within the data-driven dynamics model, transcending the limitations imposed by the dataset boundaries. However, accurately predicting long-horizon sequential steps in the learned dynamics model remains a significant challenge. Model roll-out in previous methods reli
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.
OBJECTIVE: To develop and externally validate an interpretable machine learning model for predicting 7-day stroke-associated pneumonia (SAP) using routine clinical data collected within 24 h of admission.
METHODS: This multicenter study utilized a development cohort from the Henan Stroke Cohort and an independent external validation cohort from three Zhengzhou hospitals. Adult patients with imaging-confirmed ischemic or hemorrhagic stroke were eligible. Patients with infection at admission or who developed SAP within 24 h of admission were excluded. We evaluated 26 candidate predictors obtain
СтатьяМногоцентровое исследованиеВалидационное исследованиеПолный 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.
Endoscopic Retrograde Cholangiopancreatography (ERCP) is a technically demanding procedure for pancreaticobiliary diseases. Artificial intelligence (AI) is transforming ERCP by improving diagnostic accuracy, procedural safety, and postoperative risk prediction. This review synthesizes AI applications across the entire workflow: preoperative planning using multimodal risk models, intraoperative navigation via real-time anatomical localization and augmented reality, and postoperative complication prediction with dynamic algorithms. AI also optimizes anesthesia and ambulatory surgery workflows. C
СтатьяОбзорПолный 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.
This review describes new technologies for the diagnosis and treatment, including fracture risk prediction, of postmenopausal osteoporosis. … for the current state of biomarker assays, fracture risk assessment (FRAX), and other fracture risk prediction algorithms and quantitative ultrasound (QUS) measurements.
СтатьяОбзорПоиск 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.
Protein folding is governed by the principle of free energy minimization, where a protein's native tertiary structure corresponds to the global minimum on an energy landscape shaped by quantum mechanical interactions such as hydrogen bonding, van der Waals forces, and electron delocalization. Despite significant advances in template-based modeling (TBM), ab-initio simulations, and deep learning approaches, classical methods continue to face challenges due to the exponential complexity of the conformational search space and the approximations involved in modeling molecular interactions. Althoug
СтатьяОбзорПолный 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.
MedElevator
Войти в исследования