Malaria remains a major public health challenge in sub-Saharan Africa, with Nigeria accounting for a substantial proportion of the global malaria burden, particularly among children under five years of age. Although rapid diagnostic tests (RDTs) enable timely screening, false-negative results and delays in confirmatory microscopy can hinder early treatment in resource-limited settings. This study developed and evaluated an automated machine learning (AutoML)-based framework for early malaria risk prediction using demographic, household, and socioeconomic data from the nationally representative
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.
BackgroundThis study aims to explore the association between the Hemoglobin/Red Cell Distribution Width Ratio (HRR) and perioperative mortality in myasthenia gravis (MG) patients with sepsis based on the electronic ICU collaborative research database (eICU-CRD).MethodsWe retrospectively analyzed data of 151 patients from the eICU-CRD between 2014 and 2015. We performed multivariate logistic regression, stratified analysis with interaction terms, and restricted cubic spline regression to assess the linear relationship. Additionally, we applied the extreme gradient boosting (XGBoost) machine lea
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: We aimed to develop and validate machine-learning models to predict antenatal care (ANC) dropout and describe maternal and neonatal outcomes by ANC dropout status in a low-resource setting in Northern Sidama, Ethiopia.
DESIGN: Retrospective cohort study.
SETTING: Health facilities across four districts in Northern Sidama, Ethiopia.
PARTICIPANTS: 3855 pregnant women aged 15-49 years who initiated ANC between January 2021 and January 2025 were included, whereas women with incomplete records or those who relocated before delivery were excluded.
OUTCOME MEASURES: The primary outcom
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.
AIMS: We aimed to compare performances of conventional survival models with machine learning (ML) survival models for incident heart failure (HF) in men and women without prevalent HF, cardiomyopathy (CM) or ischaemic heart disease (IHD), and to identify potential high-risk precursors overlooked by conventional survival models.
METHODS AND RESULTS: We predicted 10-year risk of incident HF in 266 306 women (2894 events) and 212 061 men (4213 events). We constructed multivariable Cox models, first using ∼ 400 baseline characteristics, and subsequently only those remaining after LASSO stability
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: Long COVID can develop in individuals who have had COVID-19, regardless of the severity of their initial infection or the treatment they received. Several studies have examined the prevalence and manifestation of symptom phenotypes to comprehend the pathophysiological mechanisms associated with these symptoms. Numerous articles outlined specific approaches for multidisciplinary management and treatment of these patients, focusing primarily on those with mild acute illness. The various management models implemented focused on a patient-centered approach, where the specialists were p
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: Achilles tendon injuries are common during running in low-temperature environments, but the underlying biomechanical mechanisms remain unclear. This study combines machine learning with Shapley Additive exPlanations (SHAP) to identify key running biomechanics factors contributing to increased Achilles tendon stress during the running-start and steady-state phases in low-temperature conditions, providing insights into injury prevention strategies for recreational runners.
METHODS: Trunk and lower limb biomechanics were assessed in 126 recreational runners during running-start and stea
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: Dyslipidemia as a modifiable risk factor for chronic non-communicable diseases has become a worldwide concern. We aim to explore different anthropometric measures as predictors of dyslipidemia using various machine learning methods.
METHOD: From the baseline of the Mashhad Stroke and Heart Atherosclerotic Disorder (MASHAD) study, a total of 9,640 participants were included in the analysis. Among them, 1,388 participants did not have dyslipidemia, while 8,252 participants had dyslipidemia. Various anthropometric indices were examined, including waist-to-height ratio (WHtR), body
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: Clinical management of patients receiving immune checkpoint inhibitors (ICIs) could be informed using accurate predictive tools to identify patients at risk of short-term acute care utilization (ACU). We used routinely collected data to develop and assess machine learning (ML) algorithms to predict unplanned ACU within 90 days of ICI treatment initiation.
METHODS: We used aggregated electronic health record data from 7,960 patients receiving ICI treatments to train and assess eight ML algorithms. We developed the models using pre-SARS-COV-19 COVID-19 data generated between January 20
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.
Prior studies have used traditional trajectory analyses to classify caries progression; however, none have applied machine learning (ML) to predict caries trajectories from childhood to early adulthood. The aims of our study are 1) to use unsupervised ML to perform trajectory analysis by clustering the longitudinal caries data into distinct trajectory groups and 2) to utilize supervised ML to predict trajectory group membership from behavioral/dietary, fluoride, and sociodemographic variables. This study was conducted using longitudinal data from 560 Iowa Fluoride Study participants. Trajector
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: Significant variations in immune profiles across different age groups manifest distinct clinical symptoms and prognoses in Coronavirus Disease 2019 (COVID-19) patients. Predominantly, severe COVID-19 cases that require hospitalization occur in the elderly, with the risk of severe illness escalating with age among young adults, children, and adolescents.
OBJECTIVE: This study aimed to delineate the unique immune characteristics of COVID-19 across various age groups and evaluate the feasibility of detecting COVID-19-induced immune alterations through peripheral blood analysis.
METH
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.
BACKGROUND: Fungal infections (FIs) are common and severe complications in hospitalized patients, with early identification of high-risk patients being critical for improving clinical outcomes. Although previous studies have attempted to predict FI using traditional methods, the accuracy and clinical applicability of existing models still need improvement. The aim of this study is to develop and validate an interpretable machine learning (ML) model for predicting FI risk in hospitalized patients, enhancing the precision of clinical decision-making.
METHODS: We utilized real-world inpatient da
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: Rectal cancer (RC) is a common malignant tumor, with lymph node metastasis (LNM) being a critical determinant of patient prognosis. Traditional diagnostic methods have limitations, necessitating the development of predictive models using clinical data.
OBJECTIVE: This study aimed to construct and validate machine learning (ML) models to predict LNM risk in patients with RC based on clinical data.
METHODS: Retrospective data from 2454 patients with RC (SEER [Surveillance, Epidemiology, and End Results] database) were split into training (n=1954) and internal validation (n=500) set
СтатьяВалидационное исследованиеПоддержка 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 AND PURPOSE: Corpus callosum (CC) infarction is an extremely rare subtype of cerebral ischemic stroke, however, the symptoms of cognitive impairment often fail to attract early attention of patients, which seriously affects the long-term prognosis, such as high mortality, personality changes, mood disorders, psychotic reactions, financial burden and so on. This study seeks to develop and validate models for early predicting the risk of subjective cognitive decline (SCD) after CC infarction by machine learning (ML) algorithms.
METHODS: This is a prospective study that enrolled 213 (
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 Coronavirus (COVID-19) has become a critical and extreme epidemic because of its international dissemination. COVID-19 is the world's most serious health, economic, and survival danger. This disease affects not only a single country but the entire planet due to this infectious disease. Illnesses of Covid-19 spread at a much faster rate than usual influenza cases. Because of its high transmissibility and early diagnosis, it isn't easy to manage COVID-19. The popularly used RT-PCR method for COVID-19 disease diagnosis may provide false negatives. COVID-19 can be detected non-invasively using
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: Compassion fatigue (CF) is a common phenomenon among nurses working in intensive care units (ICU). Their prolonged exposure to the suffering and trauma of critical patients can lead to emotional exhaustion and psychological stress. AIM: To develop a classification model for compassion fatigue among intensive care unit nurses using multiple machine learning algorithms and identify the key factors. METHODS: A multicenter cross-sectional study was utilized and collected valid questionnaire data from 1110 intensive care unit nurses from 25 tertiary hospitals. The dataset was randomly s
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: Cystitis glandularis (CG) is a rare urological condition characterized by glandular metaplasia of the bladder mucosa. Recurrence following transurethral resection (TUR) is a significant clinical challenge. Traditional predictive models often fail to capture the complexity of the data, resulting in insufficient accuracy. In contrast, machine learning (ML) has demonstrated substantial potential in medical prediction by identifying and analyzing complex patterns that are undetectable by conventional methods. This study aims to develop and evaluate an interpretable ML model to predict
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 systematic review evaluated traditional machine learning (TML) and deep learning (DL) approaches for obesity prediction in longitudinal studies and obesity classification in cross-sectional studies. PubMed, Scopus, and Web of Science were searched from inception to June 15, 2025. Studies applying these algorithms and reporting performance metrics were included. Seventeen studies (three longitudinal and fourteen cross-sectional) met the inclusion criteria. Only one of the 17 included studies performed independent external validation, and calibration reporting was extremely limited, highlig
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.
Wearable biosensors increasingly stream multi-channel physiological and behavioral data outside the laboratory, yet most deployments still end in dashboards or threshold alarms that leave interpretation open to the user. In high-stakes domains, such as military, emergency response, aviation, industry, and elite sport, the constraint is rarely data availability but the cognitive effort required to convert noisy signals into timely, actionable decisions. We argue for on-person cognitive co-pilots: systems that integrate multimodal sensing, compute probabilistic state estimates on devices, synthe
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: Neurodegenerative diseases (NDDs) are becoming a major worldwide issue, especially for the elderly because they are incurable and permanent. It is extremely difficult to provide any medication to people suffering from NDDs. Comprehending essential processes of NDDs are essential to establishing alternative strategies that can increase survival rates in patients. This review is an effort to provide insight into NDDs, innovative therapeutic methods along with their clinical significances and thus provide opportunities for improving therapies for NDDs in the near future.
OBJECTIVE: T
Поиск 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: Freezing of gait (FOG) is a debilitating motor symptom of Parkinson's disease (PD) that significantly affects patient mobility and quality of life. Identifying reliable biomarkers to distinguish between PD patients with freezing of gait (PDFOG+) and those without FOG (PDFOG-) is essential for early intervention and treatment planning. This study investigates the potential of electroencephalographic (EEG) signals, focusing on well-studied midfrontal beta oscillatory feature, to classify PDFOG+ and PDFOG- using machine learning (ML) and deep learning (DL) approaches.
METHODS: Restin
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