Neural tube defects (NTDs) exhibit a multifaceted etiology. Limited research has assessed the association between exposure to metallic and non-metallic elements and the incidence of NTDs at the elementomic level. Our study included 40 women with NTD-affected pregnancies and 119 controls in northern China's Shanxi province. Inductively coupled plasma mass spectrometry was employed to quantify 45 elements in umbilical cord serum samples collected from all participants. Thirteen elements were excluded from subsequent analysis due to a detection rate below 60%. We employed three machine learning 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 International guidelines recommend early screening based on targeted risk factors to identify thyroid disease during pregnancy. The complexity of these risk factors makes accurate prediction challenging. This study aimed to develop and compare multiple machine-learning-based predictive models for thyroid disease during pregnancy. MATERIAL AND METHODS This retrospective study analyzed the clinical characteristics of 5461 women who gave birth at a single center. The dataset was divided into training and test sets. In the training set, feature variables associated with thyroid disease
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.
PURPOSE: This study develops a particle swarm optimization (PSO)-based assessment system for evaluating upper extremity and shoulder joint muscle strength with potential application to stroke rehabilitation. This study validates the system on healthy adult volunteers using surface electromyography and joint motion data.
METHODS: The system comprises a multimodal data acquisition module and a computational analysis pipeline. sEMG signals were collected non-invasively from the anterior, medial, and posterior deltoid muscles using bipolar electrode arrays. These signals are subjected to noise re
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: The increasing use of extracorporeal membrane oxygenation (ECMO) has highlighted challenges in managing bleeding complications. Optimal transfusion strategies remain uncertain for this diverse patient group, necessitating accurate predictive tools. This study developed and validated a machine learning (ML) algorithm to predict bleeding complications in patients with ECMO, using red blood cell (RBC) transfusion as a surrogate marker.
METHODS: Data from the Tokushukai Medical Database (2018-2022), covering 71 hospitals, were used. An ML approach was employed to predict bleeding comp
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.
STUDY DESIGN: A retrospective cohort study.
OBJECTIVES: To develop a machine learning (ML) model to predict ambulation prognosis one year post-injury in rehabilitation-phase spinal cord injury (SCI) individuals classified as American Spinal Injury Association Impairment Scale (AIS) grades B and C, and to implement it as a web application.
SETTING: A multicenter database in the United States.
METHODS: Data were collected from the National Spinal Cord Injury Database (NSCID) for the years 2011 to 2021. Traumatic SCI cases with complete neurological data at rehabilitation admission were includ
СтатьяМногоцентровое исследованиеПоддержка исследования: вне правительства СШАПолный 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.
Hypertension is a leading risk factor for cardiovascular diseases, thereby necessitating effective management through regular blood pressure monitoring. Although home monitoring is beneficial for managing hypertension, maintaining consistent measurement frequency remains challenging. This study aimed to develop a model to predict measurement inactivity and to identify clinically relevant risk factors for declining adherence using machine learning, thereby allowing for targeted interventions. Using a large-scale dataset (>199 million measurement records) from 295,758 health app users, we employ
СтатьяПоддержка исследования: вне правительства СШАПолный 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: Postpartum Post-Traumatic Stress Disorder (PTSD) is a public health issue affecting both mothers and infants. Early identification of high-risk women for PTSD could mitigate its impacts. This study aimed to develop and validate a machine learning (ML)-based model for predicting PTSD risk in the early postpartum period.
METHODS: A prospective cohort study collected sociodemographic and clinical, adverse childhood experiences, and biochemical data at 3 days postpartum, with PTSD symptoms assessed at 42 days postpartum. Five ML models were developed using Logistic Regression (LR), De
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: Lymph node status is essential for determining the prognosis of cutaneous malignant melanoma (CMM). This study aimed to develop a machine learning (ML) model for predicting lymph node metastases (LNM) in CMM.
METHODS: We gathered data on 6,196 patients from the Surveillance, Epidemiology, and End Results (SEER) database, including known clinicopathologic variables, using six ML algorithms, including logistic regression (LR), support vector machine (SVM), Complement Naive Bayes (CNB), Extreme Gradient Boosting (XGBoost), RandomForest (RF), and k-nearest neighbor algorithm (kNN), to
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: Diabetes mellitus, characterized by chronic glucose dysregulation, significantly increases the risk of neurological disorders such as cognitive decline, seizures, and Alzheimer's disease. As neurons depend on glucose for energy, fluctuations in glucose levels can disrupt sodium (Na⁺) and potassium (K⁺) ion channel dynamics, leading to altered membrane potential. Modeling these ionic changes enables the simulation of neuronal responses under glycemic extremes, providing valuable insights for risk assessment and personalized treatment.
METHOD: The methodology utilizes Support Vector
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.
OBJECTIVES: To develop a machine learning (ML)-based predictive model for assessing the risk of pre-eclampsia using routinely collected clinical data.
METHODS: We retrospectively analysed data from 2444 pregnant women who delivered at Chi Mei Medical Center between 2015 and 2019, excluding patients under 20 years old. Pre-eclampsia was defined as blood pressure >140/90 mm Hg with proteinuria. Key features included gestational age, body weight, blood pressure and medical history. Five ML models were trained-logistic regression, random forest, light gradient boosting machine, extreme gradient b
СтатьяВалидационное 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.
OBJECTIVES: This study aims to develop sarcopenia risk prediction models for Chinese older adults at different time intervals and to identify and compare modifiable factors contributing to sarcopenia development.
METHODS: This study used data from 3,549 participants aged 60 and older in the China Health and Retirement Longitudinal Study (CHARLS). Sarcopenia status was evaluated by the AWGS2019 algorithm. Full models for 2- and 4-year sarcopenia risk, considering multifactorial baseline variables, were compared with modifiable models. Eight machine learning (ML) algorithms were used to build t
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: Chronic eosinophilic pneumonia (CEP) can occur concurrently with chronic rhinosinusitis (CRS). However, crucial features of comorbid CEP in patients with CRS remain unclear.
METHODS: Features of comorbid CEP were thoroughly investigated using machine learning (ML). In ML, (i) highly predictable performance and (ii) high interpretability (e.g., presenting classification rules understandable to clinicians) are two objectives with a tradeoff relationship, resulting in both being simultaneously unachievable by a single ML model. In this study, for (i), ML models were examined to check
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.
OBJECTIVE: Temporal lobe epilepsy (TLE) predominantly originates from the anteromedial basal region of the temporal lobe, and its prognosis is generally favorable following surgical intervention. However, TLE often appears negative in magnetic resonance imaging (MRI), making it difficult to quantitatively diagnose the condition solely based on clinical symptoms. There is a pressing need for a quantitative, automated method for detecting TLE.
METHODS: This study employed MRI scans and clinical data from 51 retrospective epilepsy cases, dividing them into two groups: 34 patients in TLE group an
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.
OBJECTIVES: Opioid nonadherence represents a significant barrier to cancer pain treatment efficacy. However, there is currently no effective prediction method for opioid adherence in patients with cancer pain. We aimed to develop and validate a machine learning (ML) model and evaluate its feasibility to predict opioid nonadherence in patients with cancer pain.
METHODS: This was a secondary analysis from a cross-sectional study that included 1195 patients from March 1, 2018, to October 31, 2019. Five ML algorithms, such as logistic regression (LR), random forest, eXtreme Gradient Boosting, mul
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: Despite advancements in antimicrobial therapies, bacteremia remains a life-threatening condition. Appropriate antimicrobials must be promptly administered to ensure patient survival. However, diagnosing bacteremia based on blood cultures is time-consuming and not something emergency department (ED) personnel are routinely trained to do.
METHODS: This retrospective cohort study developed several machine learning (ML) models to predict bacteremia in adults initially presenting with fever or hypothermia, comprising logistic regression, random forest, extreme gradient boosting, suppor
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.
Low back pain (LBP) constitutes a distressing emotional ordeal and serves as a potent catalyst for adverse emotional states, notably anxiety. We dedicated to discerning methodologies for identifying patients who are predisposed to heightened levels of anxiety and pain. A self-assessment questionnaire was administered to patients afflicted with LBP. The pain scores were subjected to analysis in conjunction with anxiety scores, and a clustering procedure was executed using the scientific k-means methodology. Subsequently, six machine learning algorithms, including Logistics Regression (LR), K-Ne
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: Due to the absence of biomarkers, the misdiagnosis of essential tremor (ET) with other tremor diseases and enhanced physiologic tremor is very common in practice. Combined radiomics based on diffusion tensor imaging (DTI) and three-dimensional T1-weighted imaging (3D-T1) with machine learning (ML) give a most promising way to identify essential tremor (ET) at the individual level and further reveal the potential imaging biomarkers.
METHODS: Radiomics features were extracted from 3D-T1 and DTI in 103 ET patients and 103 age-and sex-matched healthy controls (HCs). After data dimensi
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: Myocardial infarction (MI) is a major cause of death, particularly during the first year. The avoidance of potentially fatal outcomes requires expeditious preventative steps. Machine learning (ML) is a subfield of artificial intelligence science that detects the underlying patterns of available big data for modeling them. This study aimed to establish an ML model with numerous features to predict the fatal complications of MI during the first 72 hours of hospital admission.
METHODS: We applied an MI complications database that contains the demographic and clinical records of patie
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: Accurate diagnosis of Parkinson's disease (PD) is challenging due to its diverse manifestations. Machine learning (ML) algorithms can improve diagnostic precision, but their generalizability across medical centers in China is underexplored.
OBJECTIVE: To assess the accuracy of an ML algorithm for PD diagnosis, trained and tested on data from different medical centers in China.
METHODS: A total of 1656 participants were included, with 1028 from Beijing (training set) and 628 from Fuzhou (external validation set). Models were trained using the least absolute shrinkage and selection
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.
Journal of oral pathology & medicine : official publication of the International Association of Oral Pathologists and the American Academy of Oral Pathology2023eng
BACKGROUND: Interpretable machine learning (ML) for early detection of cancer has the potential to improve risk assessment and early intervention.
METHODS: Data from 261 proteins related to inflammation and/or tumor processes in 123 blood samples collected from healthy persons, but of whom a sub-group later developed squamous cell carcinoma of the oral tongue (SCCOT), were analyzed. Samples from people who developed SCCOT within less than 5 years were classified as tumor-to-be and all other samples as tumor-free. The optimal ML algorithm for feature selection was identified and feature import
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