BACKGROUND: Major lower limb amputation is a devastating but preventable complication of peripheral artery disease. It is unclear whether racial and ethnic and rural differences in amputation rates are due to clinical, hospital, or structural factors.
METHODS: We included all peripheral artery disease hospitalizations of patients ≥40 years old between 2017 and 2019 in Florida, Georgia, Maryland, Mississippi, or New York (HCUP State Inpatient Databases). We estimated the expected number of amputations using three models: (1) unadjusted, (2) adjusted for clinical factors, and (3) adjusted for c
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: Medication overuse (MO) is a critical issue for patients with migraine, contributing to chronification and medication overuse headache (MOH). Predicting those at risk is essential for effective management. This study aims to develop and compare time-to-event prediction models for MO/MOH among patients with migraine, using a cohort from electronic health records (EHRs). METHODS: A prevalent new-user design of real-world data cohort of patients with migraine conducted at Ramathibodi Hospital, Thailand, from January 2010 to December 2023. The cohort was constructed using EHR data and
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: The APACHE-IV is the gold standard for ICU mortality prediction across a multitude of patient conditions. We aim to create a machine learning model to predict ICU mortality for patients with spine fracture with similar predictive capabilities as the APACHE-IV, but with fewer inputs.
STUDY DESIGN: The MIMIC-IV and the eICU databases were queried for patients admitted to the ICU with a spine fracture. Demographics and physiological variables of each patient's first day of ICU admission were collected. Variables with > 10% missing values were excluded, while others were imputed 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.
OBJECTIVE: To construct and validate a machine learning model integrating clinical and psychosocial factors for predicting the risk of poor discharge preparation (PDP) in patients undergoing elective unilateral lower extremity joint replacement surgery.
METHODS: This study adopted a retrospective observational cohort design, enrolling 265 adult patients who underwent elective unilateral total hip or knee arthroplasty at a tertiary grade A hospital in Fujian Province from December 2022 to April 2023. Patients were divided into the PDP group and the well-prepared group based on the median total
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: Efforts to validate claims-based algorithms for identifying patients with interstitial lung disease (ILD), an important safety concern in Japan, are limited.
PURPOSE: We developed and validated a claims-based algorithm for identifying ILD in Japanese patients with cancer using machine-learning modeling.
METHODS: This Japanese observational study used administrative claims and electronic medical record data collected in January 2013-March 2019 (Phase 1) and January 2015-March 2021 (Phase 2). Patients were classified as ILD cases based on chest computed tomography reports using n
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: This study aimed to use machine learning algorithms to build a prediction model of the first permanent molar caries of 9-year-old children in Suzhou and screen out risk factors.
METHODS: Random stratified whole group sampling was applied to randomly select 9-year-old students from 38 primary schools in 14 townships and streets in Wuzhong District for oral examination and questionnaire survey. Multifactor Logistics regression was used to analyze the risk factors of tooth decay. The data set was randomly divided into training sets and verification sets according to 8∶2, and R 4.3.1
Аннотация на английскомСтатьяПоиск 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: We assessed factors associated with change in radiographic teardrop angle following volar locking plate (VLP) fixation of volarly displaced intra-articular distal radius fractures with volar ulnar fragments (VUF) within the ICUC database. The primary outcome was change in radiographic alignment on follow-up imaging, defined as a change in teardrop angle from intra-operative fluoroscopy greater than 5°.
METHODS: Patients with distal radius fractures treated with a VLP within the ICUC database, an international collaborative and publicly available dataset, were identified. The prima
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.
Global climate is experiencing exceptional warming, leading to a rise in extreme events worldwide. Coastal regions are particularly vulnerable to climate change (CC), due to dense populations, interconnected economies, and fragile ecosystems. These areas face escalating risks as CC intensifies the severity and frequency of extreme weather phenomena, like heavy precipitation, sea-level rise (SLR), storm surges. Integrated approaches are crucial to assess the combined impacts of atmospheric and marine hazards at the land-sea interface. Machine Learning (ML) offer innovative solutions to analyse
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: Perinatal depression and anxiety significantly impact maternal and infant health, potentially leading to severe outcomes like preterm birth and suicide. Aboriginal women, despite their resilience, face elevated risks due to the long-term effects of colonization and cultural disruption. The Baby Coming You Ready (BCYR) model of care, centered on a digitized, holistic, strengths-based assessment, was co-designed to address these challenges. The successful BCYR pilot demonstrated its ability to replace traditional risk-based screens. However, some health professionals still overrely o
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: Escherichia coli bloodstream infection (E. coli BSI) is a global clinical challenge with markedly higher mortality once it progresses to septic shock. Current tools are impractical in primary care, creating an urgent clinical need for accessible, laboratory-based early prediction tools. Thus, we developed and validated an interpretable machine learning model using routine laboratory indicators acquired prior to septic shock to predict septic shock in patients with E. coli BSI.
METHODS: A retrospective analysis was conducted on 719 patients with E. coli BSI treated at a tertiary re
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.
Hypertension represents a major modifiable cardiovascular risk factor with increasing global prevalence. While numerous prognostic models for incident hypertension have been developed, their clinical implementation remains limited, suggesting a gap between model development and practical application. This study aimed to synthesize evidence from systematic reviews on multivariable prognostic models estimating the future risk of incident hypertension among initially normotensive individuals, evaluating methodological quality, predictive performance, validation status, calibration reporting, and
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.
The accurate prediction of motor progression in Parkinson's disease (PD) remains a major clinical challenge that limits personalized treatment planning and efficient clinical trial design. In this study, we developed and validated a machine-learning framework integrating a targeted panel of plasma proteins measured by Olink proximity extension assays with clinical variables to stratify patients according to their progression risk. We analyzed baseline plasma samples from 211 early-stage PD patients enrolled in the Parkinson's Progression Markers Initiative (PPMI) cohort using four targeted Oli
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: Traditional risk factors do not fully account for the residual cardiometabolic risk of major adverse cardiovascular events (MACE) in coronary artery disease (CAD). We aimed to identify circulating metabolic signatures associated with MACE susceptibility and uncover potential pathobiological mechanisms underlying the gut-liver-heart axis.
METHODS: In this retrospective case-control study, untargeted high-performance liquid chromatography-mass spectrometry (HPLC-MS) was performed on fasting serum from 200 patients with CAD and MACE, 200 with CAD without MACE, and 400 matched non-CAD
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: Patients with coexisting emphysema and lung cancer present a complex clinical prognosis, yet current research evidence on this population remains limited. This study aimed to evaluate the prognostic value of CT-defined emphysema for extrapulmonary metastasis and develop a predictive machine-learning model. METHODS: A retrospective analysis was conducted on patients diagnosed with lung cancer between January 2015 and December 2018 and followed up until December 2024. CT-defined emphysema was quantified using the relative lung area with attenuation ≤ − 950 Hounsfield Units (LAA%), wi
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.
Depression is a common comorbidity in individuals with diabetes and is associated with adverse clinical outcomes. Early identification of high-risk individuals remains challenging due to the multifactorial and nonlinear nature of depression risk. Machine learning (ML) may enhance risk prediction but requires appropriate handling of class imbalance and sufficient interpretability for clinical application. The present study aimed to develop and rigorously evaluate an interpretable, class-imbalance-aware ML model for predicting depression risk among adults with diabetes, using nationally represen
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: The global COVID-19 vaccine rollout faces challenges from persistent hesitancy, especially in rural and underserved regions. Alaska's unique geographic, cultural, and infrastructural challenges create complex dynamics for vaccine uptake.
OBJECTIVE: This study uses machine learning on survey data to identify key sociodemographic and attitudinal predictors of hesitancy, informing targeted public health strategies.
METHODS: This study surveyed 720 Alaska adults, selected via targeted sampling to capture diverse COVID-19 vaccine attitudes across demographics and regions. A structured
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: Postoperative pulmonary infection (PPI) is a common and serious complication in older adults undergoing hip fracture surgery, leading to prolonged hospitalization, increased costs, and increased mortality. However, simple and reliable preoperative predictors remain limited. Therefore, this study aimed to develop and validate a hematology-based machine learning model for the early prediction of PPI in older hip fracture patients.
METHODS: A total of 3,944 patients aged ≥ 60 years who underwent hip fracture surgery were retrospectively enrolled from three cohorts: the discovery coho
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.
The proto-oncogene serine/threonine kinase PIM2 is a critical regulator of cell proliferation, survival, and tumor progression and represents an attractive therapeutic target for several cancers. In this study, an integrated machine learning-guided computational pipeline was developed to identify potential PIM2 inhibitors by combining quantitative structure-activity relationship (QSAR) modeling, virtual screening, molecular docking, molecular dynamics (MD) simulations, and pharmacokinetic prediction. Bioactivity data for PIM2 inhibitors were retrieved from the ChEMBL database, yielding 5953 co
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: The relationship between cytokines and lung metastasis (LM) in breast cancer (BC) remains unclear and current clinical methods for identifying breast cancer lung metastasis (BCLM) lack precision, thus underscoring the need for an accurate risk prediction model. This study aimed to apply machine learning algorithms for identifying the key risk factors for BCLM before developing a reliable prediction model centered on cytokines.
METHODS: This population-based retrospective study included 326 BC patients admitted to the Second Affiliated Hospital of Xuzhou Medical University between
СтатьяВалидационное исследованиеПоиск 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: Acute pancreatitis (AP) is associated with a high readmission rate; however, there is a paucity of models capable of predicting post-discharge outcomes. Furthermore, existing in-hospital prediction models exhibit notable limitations. This study leverages machine learning (ML) technology to develop prognosis prediction models for AP patients, encompassing in-hospital mortality, readmission rates, and post-discharge mortality.
METHODS: A retrospective analysis was carried out on the clinical and laboratory data of AP patients from three databases (MIMIC database, eICU database, and
СтатьяВалидационное исследованиеПоиск 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