Algorithms are regularly used to identify persons living with diagnosed human immunodeficiency virus (HIV) (PLWDH) in Medicaid data. To our knowledge, there are no published reports of an HIV algorithm from Medicaid claims codes that have been compared with an HIV surveillance system to assess its sensitivity, specificity, positive predictive value, and negative predictive value in identifying PLWDH. Therefore, our aims in this study were to 1) develop an algorithm that could identify PLWDH in New York State Medicaid data from 2006-2014 and 2) validate this algorithm using the New York State H
СтатьяПоддержка NIH: внешняя программаПоддержка службы здравоохранения СШАВалидационное 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: Cycloplegic refraction remains the gold standard for assessing refractive error in children, yet its application in large-scale screening is limited. Machine learning offers a promising approach for screening and triage by leveraging non-cycloplegic data for refractive classification. METHODS: This study utilized a multicenter dataset comprising 54,374 participants aged 5–18 years from ten provincial-level administrative divisions (PLADs) across China. We developed and validated four machine learning models (LightGBM, XGBoost, Random Forest, and MLP) and a multinomial logistic regr
СтатьяМногоцентровое 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: Multiple myeloma (MM) is a hematopoietic system malignancy characterized by clonal proliferation of abnormal plasma cells, commonly presenting with renal impairment (RI) that significantly impacts patient's quality of life. The objective of this study was to develop a predictive model for assessing the risk of MM with RI.
METHODS: This retrospective study included 1029 patients with MM, who were categorized into two groups: MM without RI group and MM with RI group. Specifically, the modeling dataset (Cohort 1) consisted of 792 patients (401 without RI and 391 with RI), and the val
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.
PURPOSE: Our study aims to develop a machine learning model that not only predicts the occurrence of post-induction hypotension (PIH) but also assesses its severity, addressing a broader patient population than previous studies which mostly focused on a single population.
MATERIALS AND METHODS: In our study, we extracted data from 71473 patients aged 18 years and older who underwent general anesthesia for non-cardiac surgery at a tertiary care hospital, using the electronic medical record system for modeling. We used patient demographics, baseline and pre-induction blood pressure, preoperativ
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: Preeclampsia is a major cause of maternal and perinatal morbidity and mortality. Early identification of women at high risk is essential for timely prevention and improved outcomes. METHODS: In this study, clinical data as well as ultrasound examination results from 404 pregnant women, among whom 45 suffered and 359 did not suffer from preeclampsia, were retrospectively analyzed. Independent predictors were found via multivariable logistic regression. With these predictors, four classification models involving logistic regression, support vector machine, random forests, and extreme
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.
This study examined factors associated with sepsis in acute cholangitis and developed outcome-specific models for sepsis and mortality. We retrospectively analyzed data from 1,999 patients across two centers, including 1,561 admitted to general wards and 438 to the ICU. For each prediction task, the data were divided into training and internal-validation cohorts at a 7:3 ratio. Logistic regression (LR), random forest (RF), support vector machine (SVM), and Extreme Gradient Boosting (XGBoost) models were developed and compared, and Shapley Additive Explanations (SHAP) were used for interpretati
СтатьяVideo-Audio MediaПоддержка 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: Adolescent depression is an increasing public health concern, with excessive screen time elevating depression risk and activity interests providing protection. However, most studies examine these behaviors separately and rely on limited analytical methods. This study used machine learning (ML) to develop a predictive model and evaluate the combined influence of screen time and activity interests on adolescent mental health.
METHODS: A multi-center survey was conducted among adolescents aged 10-14 years in Chongchuan District, Nantong. Depression-related domains were assessed using
СтатьяМногоцентровое 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.
Alzheimer's disease (AD) is a complex, multifactorial neurodegenerative disorder with substantial heterogeneity in progression and treatment response. Despite recent therapeutic advances, predictive models capable of accurately forecasting individualized future biomarker states remain limited. Here, we present a machine learning-based operator learning framework for personalized modeling of AD progression, integrating longitudinal multimodal imaging, biomarker, and clinical data. Unlike conventional models with prespecified dynamics, our approach directly learns patient-specific disease operat
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
Breast cancer recurrence prediction is an important feature of post-treatment therapy, requiring accurate identification of both recurrence risk and time-to-event outcomes. In this paper, we offer a unified deep learning system that jointly performs survival analysis and multi-class recurrence classification, enabling full risk stratification for breast cancer patients. The proposed model includes a Transformer-based survival module to estimate time-until-recurrence, and an attention-guided classification module to differentiate between second primary cancer, low-risk, and high-risk recurrence
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.
Hybrid insulin peptides (HIPs) are neoepitopes involved in type 1 diabetes (T1D), but their complete repertoire remains unknown. The vast combinatorial space makes experimental screening unfeasible and requires bioinformatics-based prioritization. We developed a multi-level machine learning pipeline for ranking HIP candidates. First, 36 physicochemical and junction-specific features were computed for a reference library of 240 HIPs with known enzyme-linked immunospot (ELISPOT) reactivity, and a baseline Ridge regression model was trained. Next, all possible HIP candidates with 7-9 amino acid 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.
BACKGROUND: Predictive models increasingly support clinical decision-making, although imbalanced outcome distributions are common in health care datasets and can distort performance evaluation. The area under the receiver operating characteristic curve (AUROC) remains the most frequently reported metric, despite its limited ability to reflect clinically meaningful performance under class imbalance.
OBJECTIVE: This study aimed to examine the influences of metric selection on the clinical interpretation of predictive models in imbalanced real-world health care data.
METHODS: This was a retrosp
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.
With advances in autonomous vehicle technology and in-cabin occupant monitoring systems, prediction of motion sickness (MS) has emerged as a key challenge to improve passenger experience. In this paper, a framework for MS prediction is proposed leveraging classification algorithms and timeseries physiological data, including blood volume pulse, electrodermal activity, and neck surface electromyography. The dataset used for model training contains over 1500 min of in-vehicle data, three test conditions, and a range of subject demographics. Model predictions were able to achieve 81% accuracy for
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.
Handwriting is a preferred identifier in detecting Alzheimer's disease that enables diagnosis about people. The aim of this study is to evaluate the handwriting and make the early detection and diagnosis of Alzheimer's disease with the highest possible prediction rates. In this regard, 9 machine learning algorithms were used. Seven feature selection methods were used to determine the most effective features for Alzheimer's disease prediction to eliminate unnecessary ones and increase model prediction performance. The models were trained and tested on the DARWIN dataset with both train - test s
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.
Deep learning (DL) can accelerate the prediction of prognostic biomarkers from routine pathology slides in colorectal cancer (CRC). However, current approaches rely on convolutional neural networks (CNNs) and have mostly been validated on small patient cohorts. Here, we develop a new transformer-based pipeline for end-to-end biomarker prediction from pathology slides by combining a pre-trained transformer encoder with a transformer network for patch aggregation. Our transformer-based approach substantially improves the performance, generalizability, data efficiency, and interpretability as com
Многоцентровое исследованиеСтатьяПоддержка NIH: внешняя программаПоддержка 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: To analyze the influencing factors of early-onset preeclampsia (EOPE). And to construct and validate the prediction model of EOPE using machine learning algorithm.
STUDY DESIGN: Based on Python system, the data profile of 1040 pregnant women was divided into 80% training set and 20% test set. Logistic regression algorithm, XGBoost algorithm, random forest algorithm, support vector machine algorithm and artificial neural network algorithm were used to construct the EOPE prediction model, respectively, and the resulting model was validated by resampling method. Accuracy, sensitivity,
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: Machine learning has attracted considerable research interest toward developing smart digital health interventions. These interventions have the potential to revolutionize health care and lead to substantial outcomes for patients and medical professionals.
OBJECTIVE: Our objective was to review the literature on applications of machine learning in real-life digital health interventions, aiming to improve the understanding of researchers, clinicians, engineers, and policy makers in developing robust and impactful data-driven interventions in the health care domain.
METHODS: We sea
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.
Accurate discrimination between iron deficiency anemia (IDA) and thalassemia trait (TT) is clinically essential for the effective management of patients with hypochromic microcytic anemia. Although numerous discrimination indices based on red blood cell (RBC) parameters have been proposed, their diagnostic accuracy remains suboptimal and highly population-specific. This study aimed to develop and validate a machine learning model to enhance discriminative performance. We utilized a derivation cohort of 376 patients (IDA, n = 186; TT, n = 190) for model development and internal validation, and
СтатьяСравнительное 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: Women with diminished ovarian reserve (DOR) experience cumulative live birth (cLBR) rates below 30% following embryo transfer, yet existing prediction tools rely on static baseline parameters and lack interpretability, limiting their clinical utility for counseling about long-term treatment success.
METHODS: We developed and validated stage-specific machine learning models for predicting cumulative live birth per oocyte retrieval cycle-encompassing all fresh and frozen embryo transfers-in 1,234 cycles among women with DOR (AMH ≤1.1 ng/mL) at a single tertiary center. Using Random
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.
IntroductionLung cancer is a common cancer with a high mortality rate worldwide. Significant differences in treatment, prognosis, and recurrence rates exist depending on lung cancer subtype. The goal of our study is to use machine learning models based on chest computed tomography (CT) scans to predict tumor subtypes.MethodsA total of 99 lung cancer cases with histopathological tissue diagnosis were included in this retrospective, single-center study. Tumor segmentation was performed in three-dimension (3D) using mediastinal and parenchymal windows on a chest CT, and 180 features were extracte
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: Urinary tract dilation (UTD) classification provides reliable predictive value for congenital anomalies of the kidney and urinary tract (CAKUT) but does not clearly define when advanced imaging is required. This study aimed to identify which specific UTD parameters most effectively predict the presence of CAKUT using multiple machine learning (ML) algorithms. METHODS: This retrospective cohort study included infants diagnosed with prenatal hydronephrosis (HN). Data on demographics, ultrasound findings, and final diagnoses were collected. Multiple supervised ML algorithms were trained
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