OBJECTIVE: To develop and validate a machine learning (ML)-based prediction model of Bethesda III nodules and create a nomogram based on the best model.
METHODS: We collected data on patients with Bethesda III nodules who were admitted between January 2020 and June 2024, including 276 Bethesda III nodules from 7371 patients who underwent ultrasound-guided fine needle aspiration (US-FNA). Clinical, ultrasonographic, cytological, laboratory, and molecular data were collected and randomly split into training and validation cohorts at a ratio of 7: 3. Six feature selection methods and ML algorith
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.
Antiretroviral therapy (ART) has transformed HIV from a rapidly progressive and fatal disease to a chronic disease with limited impact on life expectancy. However, people living with HIV(PLWHs) faced high critical illness risk due to the increased prevalence of various comorbidities and are admitted to the Intensive Care Unit(ICU). This study aimed to use machine learning to predict ICU admission risk in PLWHs. 1530 HIV patients (199 admitted to ICU) from Beijing Ditan Hospital, Capital Medical University were enrolled in the study. Classification models were built based on logistic regression
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.
Etomidate is commonly used for induction of anesthesia, but prolonged use can affect brain neurovascular mechanisms, potentially leading to use disorders. However, limited research exists on the impact of etomidate on brain function, and accurately and noninvasively extracting and analyzing neurovascular brain features remains a challenge. This study introduces a novel feature fusion approach based on whole-brain synchronous Electroencephalography (EEG)-functional near-infrared spectroscopy (fNIRS) signals aimed at addressing the difficulty of jointly analyzing neural and hemodynamic signals 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.
BACKGROUND: Over 6 million patients in the United States are affected by Alzheimer's Disease and Related Dementias (ADRD). Early detection of ADRD can significantly improve patient outcomes through timely treatment.
OBJECTIVE: To develop and validate machine learning (ML) models for early ADRD diagnosis and prediction using de-identified EHR data from the University of Missouri (MU) Healthcare.
DESIGN: Retrospective case-control study.
SETTING: The study used de-identified EHR data provided by the MU NextGen Biomedical Informatics, modeled with the PCORnet Common Data Model (CDM).
PARTICIP
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.
Early detection of bladder cancer (BC) remains a major clinical challenge due to the limitations of current diagnostic methods, which are often invasive, expensive, or insufficiently sensitive, particularly for early-stage disease. Metabolomics approaches, when integrated with machine learning (ML) techniques, offer a powerful platform for identifying novel, non-invasive biomarkers. In this study, urinary volatile organic compounds (VOCs) were analysed from 87 BC patients and 90 age- and sex-matched cancer-free controls using headspace solid-phase microextraction coupled with gas chromatograph
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: Febrile patients with tachycardia present diverse profiles that complicate triage. Although the Emergency Severity Index (ESI) is widely used in Thailand, inter-rater variability limits consistency. Machine learning (ML) may enhance reliability using routinely collected triage data. The objectives were to develop and evaluate ML models predicting ESI levels 1-3 in febrile tachycardic adults and identify the best model for clinical use.
METHODS: This diagnostic prediction study analyzed adults with fever (≥ 37.6 °C) and pulse rate > 100 beats per minute in the triage area of Lampan
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.
ObjectivePrediagnosis of diseases plays a pivotal role in medical triage. However, only surface-level information is available in this medical service. To achieve the prediagnosis challenge for nontraumatic acute abdomen (NTAA) with limited information, an intelligent framework was proposed.MethodsThis research was conducted using retrospective patients with NTAA data from the Affiliated Hospital of Zunyi Medical University. A machine learning framework, which encompassed a series of combined binary classifiers tailored to various NTAA conditions was developed. Within this framework, disease i
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: In the context of the rapidly aging global population, sarcopenic obesity (SO) in older adults is associated with significantly higher rates of disability and mortality. SO has become a serious and critical public health concern. This study aimed to develop and validate predictive models using machine learning (ML) to identify SO in patients.
METHODS: Data from 386 participants collected at the Affiliated Hospital of Qingdao University were divided into an 8:2 ratio, with 80% used for training and 20% for testing. Univariate analysis was performed to identify the factors correlate
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.
Accurate differentiation between non-cancerous, benign, and malignant lung cancer remains a diagnostic challenge due to overlapping clinical and imaging characteristics. This study proposes a multimodal machine learning (ML) framework integrating positron emission tomography/computed tomography (PET/CT) anatomic-metabolic parameters, sarcopenia markers, and inflammatory biomarkers to enhance classification performance in lung cancer. A retrospective dataset of 222 patients was analyzed, including demographic variables, functional and morphometric sarcopenia indices, hematological inflammation
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.
OBJECTIVE: This study aimed to develop and evaluate a machine learning model utilizing non-invasive clinical parameters for the classification of endometrial non-benign lesions, specifically atypical hyperplasia (AH) and endometrioid carcinoma (EC), in postmenopausal women.
METHODS: Our study collected clinical parameters from a cohort of 999 patients with postmenopausal endometrial lesions and conducted preprocessing to identify 57 relevant characteristics from these irregular clinical data. To predict the presence of postmenopausal endometrial non-benign lesions, including atypical hyperpla
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: Machine learning (ML) is increasingly used in medical predictive modeling, but there are no studies applying ML to predict prognosis in Guillain-Barré syndrome (GBS).
MATERIALS AND METHODS: The medical records of 223 patients with GBS were analyzed to construct predictive models that affect patient prognosis. Least Absolute Shrinkage and Selection Operator (LASSO) was used to filter the variables. Decision Trees (DT), Random Forest (RF), Extreme Gradient Boosting (XGBoost), k-nearest Neighbour (KNN), Naive Bayes (NB), Neural Network (NN). Light Gradient Boosting Machine (LGBM) and
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: Prediction of short-term outcomes in young patients with acute ischemic stroke (AIS) may assist in making therapy decisions. Machine learning (ML) is increasingly used in healthcare due to its high accuracy. This study aims to use a ML-based predictive model for poor 3-month functional outcomes in young AIS patients and to compare the predictive performance of ML models with the logistic regression model.
METHODS: We enrolled AIS patients aged between 18 and 50 years from the Third Chinese National Stroke Registry (CNSR-III), collected between 2015 and 2018. A modified Rankin Scal
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: A multivariate predictive model was constructed using baseline and 12-week clinical data to evaluate the rate of clearance of hepatitis B surface antigen (HBsAg) at the 48-week mark in patients diagnosed with chronic hepatitis B who are receiving treatment with pegylated interferon α (PEG-INFα).
METHODS: The study cohort comprised CHB patients who received pegylated interferon treatment at Mengchao Hepatobiliary Hospital, Fujian Medical University, between January 2019 and April 2024. Predictor variables were identified (LASSO), followed by multivariate analysis and logistic regre
СтатьяСравнительное 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.
INTRODUCTION: Ultrasound is instrumental in the early detection of thyroid nodules, which is crucial for appropriate management and favorable outcomes. However, there is a lack of clinical guidelines for the judicious use of thyroid ultrasonography in routine screening. Machine learning (ML) has been increasingly used on big data to predict clinical outcomes. This study aims to leverage the ML approach in assessing the risk of thyroid nodules based on common clinical features.
METHODS: Data were sourced from a Chinese cohort undergoing routine physical examinations including thyroid ultrasono
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.
BACKGROUND: Antibiotic stewardship programs (ASP) aim to reduce inappropriate use of antibiotics, but their labor-intensive nature impedes their wide adoption. The present study introduces explainable machine learning (ML) models designed to prioritize inpatients who would benefit most from stewardship interventions.
METHODS: A cohort of inpatients who received systemic antibiotics and were monitored by a multidisciplinary ASP team at a tertiary hospital in the Republic of Korea was assembled. Data encompassing over 130,000 patient-days and comprising more than 160 features from multiple doma
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: Mild cognitive impairment (MCI) is considered a preclinical stage of Alzheimer's disease (AD). People with MCI have a higher risk of developing dementia than healthy people. As one of the risk factors for MCI, stroke has been actively treated and intervened. Therefore, selecting the high-risk population of stroke as the research object and discovering the risk factors of MCI as early as possible can prevent the occurrence of MCI more effectively.
METHODS: The Boruta algorithm was used to screen variables, and eight machine learning models were established and evaluated. The best p
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: This study aimed to develop a multiclass machine-learning (ML) model to predict all-cause mortality, ischemic and hemorrhagic events in unselected hospitalized patients undergoing percutaneous coronary intervention (PCI).
METHODS: This retrospective study included 1,815,595 unselected weighted hospitalizations undergoing PCI from the National Inpatient Sample (2016-2019). Five most common ML algorithms (logistic regression, support vector machine (SVM), naive Bayes, random forest (RF), and extreme gradient boosting (XGBoost)) were trained and tested with 101 input features. The st
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 AND AIM: Considering the silent progression of esophageal cancer, the survival prediction of this disease is crucial in enhancing the quality of life of these patients globally. So far, no prediction solution has been introduced for the survival of EC in Iran based on the machine learning approach. So, this study aims to develop a prediction model for the five-year survival of EC based on the ML approach to promote clinical outcomes and various treatment and preventive plans.
MATERIAL AND METHODS: In this retrospective study, we investigated the 1656 cases of survived and non-survi
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 Group A Streptococcus (GAS) is the most common bacterial cause of pharyngitis in children. GAS pharyngitis requires antimicrobial agents, and rapid antigen detection tests (RADTs) are currently considered useful for diagnosis. However, the decision to perform the test is based on the pediatrician's examination findings, but the indicators are not clear. Therefore, we used machine learning (ML) to create a model to identify GAS pharyngitis from clinical findings and to explore important features. Methods ML with Python programming language was used for this study. Data from the inclu
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.
Different demographic, clinical and laboratory variables have been related to the severity and mortality following SARS-CoV-2 infection. Most studies applied traditional statistical methods and in some cases combined with a machine learning (ML) method. This is the first study to date to comparatively analyze five ML methods to select the one that most closely predicts mortality in patients admitted with COVID-19. The aim of this single-center observational study is to classify, based on different types of variables, adult patients with COVID-19 at increased risk of mortality. SARS-CoV-2 infec
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