Objective: Given the association between vitamin D deficiency and risk for cardiovascular disease, we used machine learning approaches to establish a model to predict the probability of deficiency. Determination of serum levels of 25-hydroxy vitamin D (25(OH)D) provided the best assessment of vitamin D status, but such tests are not always widely available or feasible. Thus, our study established predictive models with high sensitivity to identify patients either unlikely to have vitamin D deficiency or who should undergo 25(OH)D testing.Methods: We collected data from 1002 hypertensive patien
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: To predict risk of pre-eclampsia (PE) in women using machine learning (ML) algorithms, based on electronic health records (EHR) collected at the early second trimester.
STUDY DESIGN: A total of 3759 cases of pregnancy who received antenatal care at Xinhua hospital Chongming branch Affiliated to Shanghai Jiaotong University were included in this retrospective EHR-based study. Thirty-eight candidate clinical parameters routinely available at the first visit in antenatal care were collected by manual chart review. Logistic regression (LR), random forest (RF), support vector machine (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 AND OBJECTIVE: Wheezes in pulmonary sounds are anomalies which are often associated with obstructive type of lung diseases. The previous works on wheeze-type classification focused mainly on using fixed time-frequency/scale resolution based on Fourier and wavelet transforms. The main contribution of the proposed method, in which the time-scale resolution can be tuned according to the signal of interest, is to discriminate monophonic and polyphonic wheezes with higher accuracy than previously suggested time and time-frequency/scale based methods.
METHODS: An optimal Rational Dilatio
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: Birth weight is a reliable indicator of intrauterine growth and an important predictor of neonatal survival, growth, and long-term development. Globally, approximately 15.5% of live births are low birth weight, and nearly 10% are macrosomic (high birth weight), with a substantial proportion of these cases occurring in sub-Saharan Africa. Birth weights outside the normal range of 2,500-4,000 g are considered abnormal and are associated with increased risks of neonatal and maternal complications. Ethiopia is similarly affected by the growing burden of abnormal birth weight.
METHODS:
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.
Peripheral artery disease (PAD) is associated with an elevated risk of major adverse cardiovascular events (MACE). Despite this, few reliable biomarkers exist to identify patients at heightened risk of MACE. Growth differentiation factor 15 (GDF15), a stress-responsive cytokine implicated in inflammation, atherosclerosis, and thrombosis, has been broadly studied in cardiovascular disease but remains underexplored in PAD. This study aimed to evaluate the prognostic utility of GDF15 for predicting 2-year MACE in PAD patients using explainable statistical and machine learning approaches. We condu
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.
INTRODUCTION: Leaf area index (LAI) is a critical physiological and biochemical parameter that profoundly affects vegetation growth. Accurately estimating the LAI for winter wheat during jointing stage is particularly important for monitoring wheat growth status and optimizing variable fertilization decisions. Recently, unmanned aerial vehicle (UAV) data and machine/depth learning methods are widely used in crop growth parameter estimation. In traditional methods, vegetation indices (VI) and texture are usually to estimate LAI. Plant Height (PH) unlike them, contains information about the vert
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 evaluated the effect of cationic cassava starch with different degrees of substitution (DS: 0.019, 0.027, and 0.033 mol/mol) and polyvinyl alcohol (PVA) with different hydrolysis degrees (HD: 88 and 98%) on the properties of sheets produced by extrusion-calendering, using glycerol as a plasticizer. Machine learning (ML) models were used to predict sheet properties. The HD influenced material properties more significantly than the DS of cationic starch, with higher HD PVA yielding superior mechanical performance regardless of starch type. The sheets exhibited high thermal stability 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.
Lysosomes have a tight connection to cancer and can eliminate cancer cells. The dismal prognosis of acute myeloid leukemia (AML) patients may thus be improved by a thorough examination of the function of lysosome-related genes (LRGs). By using a variety of machine learning methods including random forest approach, LASSO-COX regression, and extreme gradient boosting (XGBoost), we create a prognostic six-LRGs-related signature (HPS1, BCAN, SLC2A8, DOC2A, CHMP4C, and SLC29A3), which categorized AML patients into two groups with significant survival and tumor microenvironment (TME) differences. Da
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.
Electrochemical promotion of catalysis (EPOC) provides an effective and versatile strategy to enhance catalytic activity, selectivity, and stability in the reverse water-gas shift (RWGS) reaction, facilitating efficient CO2 hydrogenation to syngas under milder conditions. However, predicting EPOC results using novel catalytic materials under diverse conditions remains challenging. This study introduces a machine learning framework to predict electrochemical promotion behavior and the rate enhancement ratios (ρ), i.e., ratio between promoted and unpromoted reaction rate, based on the selected c
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.
Angioimmunoblastic T-cell lymphoma (AITL) is a life-threatening hematological malignancy. For patients with poor prognosis, especially those with expected survival less than 1 year, the benefits from traditional regimens are extremely limited. Therefore, we aimed to develop an interpretable machine learning (ML)-based model to predict the 1-year overall survival (OS) of AITL patients. A total of 223 patients with AITL treated in 4 centers in China were included. Five ML algorithms were built to predict 1-year outcome based on 16 baseline characteristics. Recursive feature elimination (RFE) met
СтатьяМногоцентровое 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.
Although in vitro fertilization (IVF) has become an extremely effective treatment option for infertility, there is significant underutilization of IVF by patients who could benefit from such treatment. In order for patients to choose to consider IVF treatment when appropriate, it is critical for them to be provided with an accurate, understandable IVF prognosis. Machine learning (ML) can meet the challenge of personalized prognostication based on data available prior to treatment. The development, validation, and deployment of ML prognostic models and related patient counseling report delivery
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.
Obtaining effective extreme ultraviolet lithography (EUVL) materials for pragmatic applications remains challenging. The experimental design and conventional theoretical prediction are time-consuming and costly and hardly affordable to accelerate the discovery of commercial EUVL materials. In this work, we employed the machine learning (ML) technique to predict the ionization potential of promising EUVL materials, which is closely related to the photoresists' solubility switch. The developed ML model presents a strong generalization ability and can predict new EUVL materials containing differe
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.
Sarcopenic obesity (SO) imposes a heavy medical burden on both individuals and society, highlighting the importance of early identification and timely intervention. This study aims to construct a clinical prediction model based on machine learning (ML) methods to assist in the early screening of SO. Data from the National Health and Nutrition Survey from 2011 to 2018 were used for model development. The included data were randomly divided into a training set and an internal test set with a ratio of 7:3. Eight ML methods - logistic regression, decision tree, neural network, K-nearest neighbor,
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.
CO2 mineralization of artificial aggregates derived from industrial solid wastes serves as one of the most promising strategies for simultaneous solid waste valorization and carbon sequestration. However, accurate prediction of CO2 sequestration is challenging due to the complex nonlinear interactions between raw material properties and process parameters. In this study, a data-driven machine learning (ML) framework based on experimental datasets from reviewed studies was developed. Furthermore, six ML models including Gradient Boosting Decision Tree (GBDT), Light Gradient Boosting Machine (Li
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.
Multiple myeloma (MM) is an incurable hematologic neoplasm with heterogeneous prognosis. Within the bone marrow microenvironment, macrophage polarization (MP) contributes to immune remodeling and may influence disease progression, yet MP-related prognostic biomarkers remain insufficiently characterized. In this study, we integrated transcriptomic data from UCSC Xena (n = 844) and GSE4581 (n = 414) to identify differentially expressed genes between immune-hot and immune-cold MM samples stratified by single-sample gene set enrichment analysis (ssGSEA)-derived immune scores. Weighted gene co-expr
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.
BackgroundPure-tone audiometry is the gold standard for diagnosing occupational noise-induced hearing loss (ONIHL); however, its reliance on expensive equipment, trained personnel, and subjective auditory responses limits its use in large-scale occupational screening.ObjectiveThis study aimed to develop and compare machine learning (ML) algorithms for ONIHL classification using audiometric data alone and audiometric data combined with demographic and clinical features, and to assess whether these variables provide additional predictive value beyond audiometric thresholds alone.MethodsIn this c
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.
Predicting tertiary vocational college students' employment destinations has become an urgent need for most tertiary vocational colleges. This study proposes a machine learning framework based on Tree-structured Parzen Estimator (TPE)-Optimized eXtreme gradient boosting (XGBoost) for fine-grained prediction of tertiary vocational college students' employment destinations. The dataset comprises 2,270 graduates (2016-2019 cohorts) from a single tertiary vocational college in China, characterized by 27 features spanning demographics, entrance scores, academic records, and extracurricular engageme
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.
UNLABELLED: <p>Objective: Sepsis-associated liver injury (SALI) occurs in approximately 40% of sepsis cases and is linked to high mortality, a challenge that may stem from the absence of effective prognostic models. We developed a machine learning (ML)-based prognostic model for SALI using conventional biomarkers to guide precise clinical interventions and reduce mortality.
METHODS: We retrospectively analyzed 307 SALI patients (2010-2024), stratified into favorable (n = 139) and poor (n = 168) prognosis groups by post-treatment progression. The cohort was randomly split into a training set (
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: To address the lack of simple tools for assessing fibrosis in metabolic dysfunction-associated steatotic liver disease (MASLD), this study develops a machine learning-based diagnostic model to identify patients at high risk of significant fibrosis and advanced fibrosis.
METHODS: Data from biopsy-proven MASLD patients were randomly divided into training and validation sets. Variables were then selected, and models using Logistic, Support Vector Machine, and eXtreme Gradient Boosting (XGBoost) were compared with identify the optimal model. Finally, Shapley Additive Explanations-base
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.
Plants encounter multiple abiotic stresses. Among them, heat and drought stress play a substantial role in reducing the agricultural productivity of commercial plants. Hence, wild and underutilized plants can be a potential alternative as they are naturally tolerant to extreme climatic conditions and are a rich source of nutrition. Manual stress and disease detection is a laborious and expensive process, and hence automation in this field is required to reduce agricultural losses. This study evaluates the prediction and detection of abiotic stress in Acacia senegal bipinnate leaves, exploring
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