Colorectal cancer (CRC) is one of the most common cancer types and its increased incidence is related to a number of modifiable risk factors. There is a need for data-driven approaches to support public health policy making for CRC prevention. This paper presents a predictive analytics framework supporting country-level analysis of CRC incidence and risk factors through policy scenarios by linking population-level risk factor exposure to CRC incidence projections across multiple time horizons. The framework integrates Linear Mixed Effects Models, Generalized Additive Models and XGBoost to capt
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.
BACKGROUND: Limited data availability and privacy constraints hinder the development of robust survival prediction models for personalized treatment. Synthetic data offers a promising solution, preserving the statistical properties of real clinical data.
OBJECTIVE: This study aimed to quantitatively assess the feasibility of using synthetic data for survival prediction by evaluating model transfer performance to real-world hospital data, with a focus on model transfer strategies.
METHODS: We developed and validated colorectal cancer survival prediction models using the National Cancer Data C
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.
OBJECTIVES: Diabetic foot ulcer management relies predominantly on reactive treatment adjustments based on current wound status. This study developed an accessible machine learning framework using routinely collected clinical metadata (no imaging required) to predict healing phase transitions at the next clinical appointment, enabling proactive treatment planning with an integrated recommendation system.
METHODS: Longitudinal data from 268 patients with 329 distinct ulcers across 890 appointments were analyzed. Features (n = 103) including temporal measurements normalized by inter-appointment
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: A body of research suggests that many participants in alcohol use treatment research begin making changes to their drinking behavior prior to beginning treatment. Although several studies have examined factors associated with such change, results have been mixed or yielded small effects. Both theoretical and methodological limitations have hindered efforts to understand such change, highlighting the need for novel analytic approaches. This study aimed to examine how traditional modeling methods (linear and logistic regression) and machine learning (recursive partitioning, random fo
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: This systematic review evaluates the current state of Machine Learning (ML) methods for predicting Atrial Fibrillation (AF) recurrence following catheter ablation. With the growing use of ML, a systematic evaluation of performance and key influencing factors such as study design, data types, and reporting is needed. The main objectives are to provide an updated overview of current achievements of ML in this field, anticipate future challenges and opportunities, and derive methodological recommendations based on the findings.
METHODS: Seven databases were systematical
СтатьяСистематический обзорМетаанализПолный 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: To develop and evaluate a machine learning (ML) model that predicts Crohn's disease (CD) patients responsible for the top quartile of healthcare spending.
METHODS: De-identified commercial claims (2016-2018) from ~267 000 continuously enrolled members in a Midwestern state were analysed, including 994 CD cases. Monthly data for each patient was aggregated into data points that included healthcare spending amounts, encounter interactions, demographics and binary flags for diagnoses, procedures and drug codes. Seven algorithm families were tuned using five-fold cross-validation (Jan
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.
Diabetes is a chronic disease that significantly increases the risk of serious complications such as cardiovascular disorders and kidney failure. Early detection through predictive modeling can lead to timely interventions and significantly improve patient health outcomes. Several machine learning approaches have been proposed for predicting diabetes, but the main focus has been on improving prediction accuracy, while interpretability has received limited attention. To address this gap, we present a robust and explainable machine learning framework based on a stacked ensemble model that uses R
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.
Dengue is an arboviral disease of high public health relevance, characterized by pronounced temporal variability, nonlinearity, and recurrent outbreaks, which pose challenges to epidemiological surveillance and decision-making. This study evaluated the performance of machine learning methods for short-term forecasting of the weekly dengue morbidity rate in the 27 Brazilian capital cities, comprising the 26 state capitals and Brasília, Federal District, with horizons up to 4 weeks. Epidemiological, climatic, and socioeconomic data were compiled for these capital cities and used to compare a Gat
СтатьяСравнительное 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.
OBJECTIVE: To evaluate predictors of mortality in acromegaly using machine learning (ML) models. METHODS: We analyzed 607 patients with acromegaly. A grid search was applied to compare five types of prediction models in 1,200 configurations. Each model predicted mortality based on 40 disease characteristics, assessed using the Matthews’ correlation coefficient (MCC) and the area under the curve (AUC) metrics. To ensure robust and reliable predictions, we constructed a virtual ensemble model by generating 100 Explainable Boosting Machine (EBM) variants and evaluating their performance across 50
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.
IntroductionCurrent preventive screening reminders use generic due-date notifications that lack personalization. Targeted reminders allow personalized messages and resource allocation, yet the accuracy of behavioral forecasting with cholesterol screening behaviors remains unconfirmed. Therefore, this study aims to examine the accuracy of machine learning in predicting adults' future cholesterol screening behavior.MethodsThis study included 8,288 participants from the Health and Retirement Study. Never receiving cholesterol screening over 12 years of follow-up (2007-2018) was identified as the
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: Postoperative nausea and vomiting are common complications after anesthesia. However, vomiting represents a clinically distinct and objectively measurable endpoint.
OBJECTIVE: This study aimed to develop and internally validate predictive models for postoperative vomiting within 24 hours using structured perioperative data and unstructured clinical text, while introducing a structured framework that separates feature construction from interpretability using large language models (LLMs).
METHODS: We analyzed 33,460 anesthesia records from a single center (2019-2022). Two temporall
СтатьяВалидационное исследованиеПоддержка 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: Neonatal asphyxia is a life-threatening perinatal condition associated with neonatal mortality and long-term neurological impairment. Therefore, early identification of high-risk newborns is essential for timely clinical intervention; however, accurate prediction of neonatal asphyxia remains a key challenge due to heterogeneous maternal and perinatal risk factors, for example, overlapping clinical patterns, and class imbalance in medical datasets. Thus, to solve this issue, this research proposes an imbalance-sensitive machine-learning framework for the prediction of neonatal asphy
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.
Preeclampsia (PE) is a multifactorial and heterogeneous hypertensive disorder of pregnancy that poses significant diagnostic and therapeutic challenges. Identifying robust and generalizable biomarkers is critical for early detection and improved clinical outcomes. In this study, we present a machine learning-based framework for the analysis of gene expression profiles to uncover potential diagnostic biomarkers for PE. Multiple publicly available RNA-seq datasets were integrated, and differentially expressed genes (DEGs) were identified to construct a filtered gene subset. Using Recursive Featu
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.
ObjectiveResponse to platelet-rich plasma (PRP) therapy varies among patients with osteoarthritic joint disease, underscoring the need for interpretable tools to support individualized prediction.MethodsThis single-center retrospective study screened adults with osteoarthritic joint disease receiving intra-articular PRP therapy at a tertiary Grade A hospital in China. Treatment response at 3 months was defined as both a ≥50% reduction in VAS pain score and a ≥20% reduction in WOMAC total score from baseline. Baseline VAS and WOMAC were excluded from the primary model to minimize outcome-defini
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: Deep vein thrombosis (DVT) is a common complication of acute ischemic stroke (AIS) and may worsen clinical outcomes, yet reliable tools for early risk stratification remain limited. We aimed to develop and internally evaluate machine learning models for predicting in-hospital DVT in patients with AIS.
METHODS: We conducted a secondary analysis of a publicly available multicenter retrospective dataset including 21,459 patients with AIS. The primary outcome was imaging-confirmed in-hospital DVT. Participants were stratified according to DVT status and randomly divided into a trainin
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.
BACKGROUND: Cardiovascular-kidney-metabolic (CKM) syndrome imposes a substantial global burden, yet most studies reduce stage change to a binary outcome that cannot distinguish clinically meaningful trajectories. This study developed and externally validated a multiclass machine learning framework for predicting CKM stage trajectories.
METHODS: A longitudinal cohort of 2,971 adults with baseline CKM stages 0-3 was used for development, with trajectories classified as Improvement, Stable, Mild Progression and Rapid Progression. Six algorithms were compared by Macro-AUC and decision curve analy
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.
Early prediction of brain aneurysm rupture is critical, as it enables timely clinical interventions and avoid the significant morbidity and mortality associated with subarachnoid hemorrhage. Anterior communicating artery aneurysm (ACoA) is the most common site of ruptured intracranial aneurysms. In this study, we developed a machine learning (ML) pipeline that uses demographic, clinical data and morphological measurements to predict rupture risk of ACoA, providing a non-invasive and cost-effective decision-support approach based on documented clinical and imaging-derived morphologic variables.
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.
BACKGROUND: Dengue fever remains a critical public health challenge in Thailand, with transmission dynamics driven by complex interactions between environmental and socioeconomic factors. Understanding these predictive factors is essential for developing robust forecasting systems.
METHODS: We developed a machine learning framework to classify spatiotemporal dengue risk and identify key predictive factors across Thailand. We analyzed 20 years of monthly dengue hemorrhagic fever surveillance data (2003-2022) from 77 provinces, integrating 54 environmental, climatic, and socioeconomic features.
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: Early-onset preeclampsia (PE) poses significant risks for maternal and fetal outcomes, particularly when emergency delivery is required. This study aimed to develop machine learning models to predict emergency delivery within 48 h of PE diagnosis, facilitating timely clinical interventions. METHODS: We analyzed a retrospective cohort of 648 singleton pregnancies diagnosed with PE at Fujian Maternal and Child Health Hospital from 2014 to 2024, with gestational ages ranging from 28 to 34 weeks. Patients were stratified into emergency delivery (≤ 48 h post-diagnosis, n = 174) and non-
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: This study aims to develop a Machine Learning (ML) model to predict the initial diagnosis of Amyotrophic Lateral Sclerosis (ALS).
METHODS: To predict ALS, a stacked model combining four ML algorithms-logistic Regression, Decision Tree, Random Forest, and Extreme Gradient Boosting-was implemented. The analysis utilized healthcare administrative data from Catalonia, encompassing 2,924,590 elderly individuals from 2014 to 2021, which were linked to socioeconomic factors and medication records.
RESULTS: The stacked model successfully predicted first-time ALS diagnoses, achieving an A
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