BACKGROUND: This study aimed to develop and validate preoperative contrast-enhanced cone-beam breast CT (CE-CBBCT)-based radiomics, deep learning, and combined models for predicting Ki-67 expression status and to preliminarily explore their prognostic value, with the goal of informing preoperative treatment decisions.
METHODS: This two-centre study enrolled 636 breast cancer patients, divided into training (n = 310), internal validation (n = 77), external test (n = 78), and prognostic (n = 171) cohorts. Two Ki-67 cut-offs (14% and 30%) were applied. Radiomics models were constructed using fiv
СтатьяМногоцентровое 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.
BACKGROUND: Sepsis-induced cardiomyopathy (SICM) is a common complication of sepsis and is associated with poor short-term outcomes. However, effective tools for early risk stratification remain limited. This study aimed to develop a machine learning (ML)-based model to predict 28-day mortality in patients with SICM.
METHODS: A single-center retrospective cohort study was conducted, including 762 patients with SICM admitted to the intensive care unit (ICU). Clinical variables, including inflammatory biomarkers, were collected. The dataset was divided into training and validation sets at a rat
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: Children with Kawasaki disease (KD) who are resistant to intravenous immunoglobulin (IVIG) therapy face a substantially increased risk of developing coronary artery lesions (CALs). Developing a robust predictive model to identify pediatric patients at high risk of IVIG resistance is crucial for optimizing clinical decision-making and improving prognosis. This study aimed identify risk predictors for IVIG resistance in children with KD and to establish and validate an interpretable machine learning (ML)-based predictive model for clinical application.
METHODS: Retrospective analysi
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: Multidrug-resistant (MDR) infections in intensive care units (ICUs) are difficult to recognize early. This study developed and validated an interpretable machine-learning model for early MDR risk prediction in ICU patients.
METHODS: A retrospective cohort was built from the Medical Information Mart for Intensive Care IV (MIMIC-IV, n=48,501) for model development with internal validation (7:3 split) and from MIMIC-III (n=38,583) for temporal validation. Candidate predictors at ICU admission included demographics, vital signs, laboratory indices, comorbidities, therapeutic intervent
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.
BACKGROUND: Hip fractures have become a significant health concern, particularly among super-aged patients, who were at a high risk of postoperative pneumonia due to their frailty and the presence of multiple comorbidities. This study aims to establish and validate a model to predict postoperative pneumonia among super-aged patients with hip fracture.
METHODS: Data were derived from the Chinese PLA General Hospital (PLAGH) Hip Fracture Cohort Study, and we included 555 super-aged patients (≧80 years old) with hip fracture treated with surgery. Patient's demographics, comorbidities, laboratory
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: Acute kidney injury (AKI) is common and linked to poor outcomes, but early detection remains challenging. Previous research identified urinary trace elements (TE) as early AKI biomarkers in intensive care unit (ICU) or cardiac surgery patients. We aimed to explore whether urinary TE enhance machine learning (ML) models for AKI prediction.
METHODS: We constructed ML models using the ICU cohort. We filtered the variables and optimized hyperparameters before predicting Kidney Disease: Improving Global Outcomes stage 2-3 AKI using eight ML classifiers: light gradient boosting machine
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: Low birth weight (LBW), defined as a newborn weighing less than 2500 g, is an increasingly significant public health concern. Exploring the risk and protective factors for LBW is getting more and more important. This study aimed to utilize predictive models to identify the critical factors associated with LBW in singleton pregnancies.
METHODS: A retrospective cohort study was conducted at the Binzhou Medical University Hospital, China, from 2022 to 2023. Singleton pregnancies with gestational age exceeding 27 weeks were included, while multiple pregnancies and fetal anomalies were
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.
Chronic kidney disease (CKD) is one of the severe side effects of type 1 diabetes mellitus (T1DM). However, the detection and diagnosis of CKD are often delayed because of its asymptomatic nature. In addition, patients often tend to bypass the traditional urine protein (urinary albumin)-based CKD detection test. Even though disease detection using machine learning (ML) is a well-established field of study, it is rarely used to diagnose CKD in T1DM patients. This research aimed to employ and evaluate several ML algorithms to develop models to quickly predict CKD in patients with T1DM using easi
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: Benign prostatic hyperplasia (BPH) is associated with multiple long-term urinary complications, including obstructive renal failure if left untreated. Transurethral thulium laser enucleation of the prostate (ThuLEP) has become an increasingly popular method in the treatment of BPH, as it has reduced postoperative bleeding compared to surgery. However, it requires correct plane removal and capsular integrity maintenance, resulting in a steep learning curve. Thus, identifying BPH patients for whom ThuLEP is feasible, despite the increased difficulty, may aid in optimizing their care.
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.
The human genome has a profound impact on human health and disease detection. Carcinoma (cancer) is one of the prominent diseases that majorly affect human health and requires the development of different treatment strategies and targeted therapies based on effective disease detection. Therefore, our research aims to identify biomarkers associated with distinct cancer types (gastric, lung, and breast) using machine learning. In the current study, we have analyzed the human genomic data of gastric cancer, breast cancer, and lung cancer patients using XGB-BIF (i.e., XGBoost-Driven Biomarker Iden
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 construct and validate the best predictive model for 28-day death risk in patients with septic shock based on different supervised machine learning algorithms.
METHODS: The patients with septic shock meeting the Sepsis-3 criteria were selected from Medical Information Mart for Intensive Care-IV v2.0 (MIMIC-IV v2.0). According to the principle of random allocation, 70% of these patients were used as the training set, and 30% as the validation set. Relevant predictive variables were extracted from three aspects: demographic characteristics and basic vital signs, serum indicators w
СтатьяАннотация на английскомПоиск 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 construct a machine learning-based predictive model for fatty liver in patients with Wilson disease (WD).
METHODS: Clinical data retrospectively collected from 1862 WD patients at the First Affiliated Hospital of Anhui University of Chinese Medicine were divided into a training set (70%) and a validation set (30%). The least absolute shrinkage and selection operator (LASSO) was employed to screen the key predictive variables. Seven algorithms, namely logistic regression (LR), decision tree (DT), random forest (RF), extreme gradient boosting (XGBoost), light gradient boosting ma
СтатьяВалидационное исследованиеАннотация на английскомПоиск 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.
BackgroundPatients with sepsis-associated liver injury (SALI) are at marked risk of delirium, a severe complication strongly linked with poor neurological outcomes. Early identification remains challenging, as existing predictive tools lack specificity for this distinct population. An interpretable machine learning (ML) model was designed and validated to enable prediction of delirium among SALI patients.MethodsDe-identified data from MIMIC-IV were retrospectively assessed in this cohort study. The dataset was randomly partitioned, with 70% assigned to model training and 30% reserved for evalu
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: Surgical site infection (SSI) is a major complication in patients with open hand injuries. However, current clinical risk assessment largely relies on subjective judgment or traditional scoring systems, which often lack predictive precision and generalizability. This study aimed to develop, compare, and externally validate multiple machine learning (ML) models for predicting SSI in open hand injuries using routinely collected clinical indicators.
METHODS: A total of 800 patients with open hand injuries were retrospectively enrolled. The primary cohort (n=500) was randomly divided int
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: Breast cancer remains the most prevalent malignancy among women, and breast cancer with lung metastasis (BCLM) significantly increases morbidity and mortality. Accurate prognosis prediction for BCLM patients is critical for guiding personalized treatment strategies, yet effective predictive tools remain limited. This study aimed to develop a machine learning (ML)-based predictive framework for BCLM prognosis by leveraging data from the Surveillance, Epidemiology, and End Results (SEER) database (2011-2020).
METHODS: We analyzed data of 2,921 female BCLM patients from the SEER data
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: Diabetic foot ulcer (DFU) is a severe complication of diabetes mellitus, often characterized by a chronic disease course and a high recurrence rate, posing significant challenges to patient management. Accurately predicting DFU recurrence is essential for enhancing patient care and outcomes through timely treatment and intervention. This study aimed to develop a machine learning (ML) model to predict the 3-year recurrence risk in patients with DFU.
METHODS: A total of 494 patients with DFU were included and assigned to a training set and a test set at a 4:1 ratio. Four feature sel
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: Persistent efforts are required to further reduce the in-hospital mortality of patients suffering from acute myocardial infarction (AMI), even in the face of a global trend of declining AMI-related fatalities. We investigated deep machine learning models for in-hospital death prediction in patients on their first AMI.
METHOD: In this 2-center retrospective analysis, first AMI patients from Hospital I and Hospital II were included; 4783 patients from Hospital 1 were split in a 7:3 ratio between the training and testing sets. Data from 1053 AMI patients in Hospital II was used for f
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.
In this study, we developed a portable electrochemical sensing platform integrated with machine learning for the rapid identification of coffee species and quantitative prediction of blend ratios. Electrochemical measurements targeting caffeine, chlorogenic acids, trigonelline, and reducing sugars were performed and the roast level was incorporated as an additional analytical feature. The resulting electrochemical fingerprints captured both species-dependent compositional differences and roasting-induced chemical transformations. Using these features, an extreme gradient boosting classificatio
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.
Supramolecular hydrogels hold significant potential in drug delivery and tissue engineering, with standing out for their unique properties. Despite their promise, predicting nucleoside bioactivity remains challenging. This study aims to predict the biological activity of nucleosides to guide the rational synthesis of hydrogels. Specifically, nine predictive models and databases for various biological activities were built with feature-selected machine learning methods including decision trees, logistic regression, random forest, and extreme gradient boosting. Then, the Molecular Bioactivity Sp
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.
This study assesses artificial intelligence-based control algorithms for a transradial myoelectric prosthesis. The analysis is supported by a dataset collected from 20 Peruvian participants with transradial amputation, including congenital and traumatic cases. Each participant performed 240 gesture repetitions under varying postures with surface electromyographic (sEMG) signals recorded on the user's forearm. The dataset was processed to extract time and frequency domain features, enabling the implementation of classifiers such as Neural Networks (NN), Random Forest (RF), Extreme Gradient Boos
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