Уникальные публикации PubMed, Europe PMC и Crossref, сохранённые в библиотеке. Одна статья учитывается один раз, даже если получена из нескольких источников. Личные исследования и документы команд не публикуются.
Идёт проверка счётчикаДоступно в поиске—
Публикации, уже подготовленные для быстрого поиска. Остальная библиотека подключается в фоне.
Переведено на русский—
Готовые переводы среди доступных в поиске публикаций. Автоматический медицинский перевод и проверка специалистом учитываются отдельно.
Полные тексты—
Найденные полные тексты среди доступных в поиске публикаций. Доступность определяется первоисточником и условиями использования.
Оригиналов на русском—
Русскоязычные оригиналы доступны без ожидания перевода. Ниже — языки остальных оригиналов; для них готовится медицинский перевод на русский.
Пополняем библиотеку по диагнозам—Проверяем состояние обновлений
Для каждого диагноза из справочника МКБ-10 ищем связанные публикации в научных базах и добавляем их в библиотеку. Числа ниже — диагнозы, а не статьи.
Если сбор прервался, тема требует повторной попытки. Уже сохранённые статьи остаются в библиотеке.
Нажмите на показатель для подробностей. Показатели поиска обновляются автоматически; размер всей библиотеки сверяется отдельно. Время последней проверки указано явно.
Результаты поиска
3972 публикаций
Поиск: 97 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 666 с найденным полным текстом
OBJECTIVE: The macrophage activation syndrome (MAS) secondary to systemic lupus erythematosus (SLE) is a severe and life-threatening complication. Early diagnosis of MAS is particularly challenging. In this study, machine learning models and diagnostic scoring card were developed to aid in clinical decision-making using clinical characteristics.
METHODS: We retrospectively collected clinical data from 188 patients with either SLE or the MAS secondary to SLE. 13 significant clinical predictor variables were filtered out using the Least Absolute Shrinkage and Selection Operator (LASSO). These v
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.
OBJECTIVES: Machine learning models used to predict postoperative mortality rarely include intraoperative factors. Several intraoperative factors like hypotension (IOH), vasopressor-inotropes, and cardiopulmonary bypass (CPB) time are significantly associated with postoperative outcomes. The authors explored the ability of machine learning models incorporating intraoperative risk factors to predict mortality after cardiac surgery.
DESIGN: Retrospective study.
SETTING: Tertiary hospital.
PARTICIPANTS: A total of 5,015 adults who underwent cardiac surgery from 2008 to 2016.
INTERVENTION: Non
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: Digestive system tumours (DSTs) often diagnosed late due to nonspecific symptoms. Non-invasive biomarkers are crucial for early detection and improved outcomes.
PATIENTS AND METHODS: We collected tongue coating samples from 710 patients diagnosed with DST and 489 healthy controls (HC) from April 2023, to December 2023. Microbial composition was analyzed using 16S rRNA sequencing, and five machine learning algorithms were applied to assess the diagnostic potential of tongue coating microbiota.
RESULTS: Alpha diversity analysis showed that the microbial diversity in the tongue coat
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.
OBJECTIVES: To explore the heterogeneous disability trajectories and construct explainable machine learning models for effective prediction of long-term disability trajectories and understanding the mechanisms of predictions among the elderly Chinese at community level.
METHODS: This study retrospectively collected data from the Chinese Longitudinal Healthy Longevity and Happy Family Study between 2002 and 2018. A total of 4149 subjects aged 65 + in 2002 with completed activities of daily living (ADL) information for at least three waves were included. The mixed growth model was used to ident
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.
The purpose of the study was to assign rowers to different rowing events based on their demographics and rowing kinematics using machine learning models. A total of 55 elite athletes from the Chinese National Rowing Team participated, each instructed to row on a rowing ergometer for one minute at three stroke rates: 18, 26, and 32 strokes/min. Trunk and upper arm 3D kinematics were collected using an inertia measurement unit system at a sampling rate of 100 Hz. Trunk and upper arm segmental and joint range of motion were generated. Trunk segments and upper arm motion coordination were analysed
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.
The study aimed to develop a predictive model using machine learning algorithms, providing healthcare professionals with a novel tool for assessing disability risk in older adults. Data from the 2018 and 2020 waves of the China Health and Retirement Longitudinal Study were utilized, including 3,172 participants aged 65 years and older with no baseline disability. In this study, five machine learning algorithms were employed to construct risk assessment and prediction models for disability in older adults. The Shapley Additive Explanations method was applied to analyze the independent predictor
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.
Myasthenia gravis (MG) is an autoimmune disorder that causes muscle weakness. Although the management is well established, some patients are refractory and require prolonged hospitalization. Our study is aimed to identify the important factors that predict the duration of hospitalization in patients with MG by using machine learning methods. A total of 21 factors were chosen for machine learning analyses. We retrospectively reviewed the data of patients with MG who were admitted to hospital. Five machine learning methods, including stochastic gradient boosting (SGB), least absolute shrinkage a
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 Dental caries is a chronic disease that requires intervention to prevent complications and minimise costs. Accurate caries risk assessment is crucial but traditional methods depend on skilled clinicians, limiting scalability. Machine learning offers an efficient and standardised alternative.Objective This study aimed to develop and evaluate computational models using machine learning techniques for predicting caries risk in adults.Methods A systematic review identified seven predictors that were applied to 3,000 balanced Universiti Teknologi MARA patient records spanning low, modera
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: To evaluate the diagnostic value of combinations of tumor markers carcinoembryonic antigen (CEA), carbohydrate antigen (CA) 125, CA153, and CA19-9 in identifying malignant pleural effusion (MPE) from non-malignant pleural effusion (non-MPE) using machine learning, and compare the performance of popular machine learning methods.
METHODS: A total of 319 samples were collected from patients with pleural effusion in Beijing and Wuhan, China, from January 2018 to June 2020. Five machine learning methods including Logistic regression, extreme gradient boosting (XGBoost), Bayesian additi
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.
Sepsis is a life-threatening condition that presents substantial challenges to healthcare and pharmacological management due to its high mortality rates and complex patient responses. Accurately predicting patient outcomes is essential for optimizing therapeutic interventions and improving clinical decision-making. This study evaluates the predictive performance of the Cox proportional hazards model and advanced machine learning techniques, such as extreme gradient boosting (XGBoost), gradient boosting machine (GBM), and random survival forests (RSF), in forecasting survival outcomes for sepsi
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: To establish a genotype-phenotype database and machine learning models for pseudohypertrophic muscular dystrophy (PMD), and to explore genotype-phenotype correlations of the disease.
METHODS: Clinical data of children with PMD admitted to Xiangya Hospital, Central South University from January 2010 to December 2024, together with cases retrieved from the PubMed database between January 1987 and December 2024, were retrospectively collected to construct a genotype-phenotype database, with an online query function via a WeChat mini-program. Based on this database, Random Forest, Ext
Аннотация на английскомСтатьяПоиск 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: The significance of noncontrast computer tomography (CT) image markers in predicting hematoma expansion (HE) following intracerebral hemorrhage (ICH) within different time intervals in the initial 24 hours after onset may be uncertain. Hence, our objective was to examine the predictive value of clinical factors and CT image markers for HE within the initial 24 hours using machine learning algorithms.
METHODS: Four machine learning algorithms, including extreme gradient boosting (XGBoost), support vector machine, random forest, and logistic regression, were employed to assess the pr
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.
European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery2025eng
BACKGROUND: Paediatric cervical abscesses necessitate careful assessment to determine appropriate treatment strategies. Some patients require surgical intervention, although conservative management is effective. However, the criteria for the surgical indications remain unclear. Machine learning models have demonstrated promise in improving diagnostic accuracy across different medical fields.
OBJECTIVE: This study aimed to assess the use of machine learning models in predicting the requirement for surgical intervention in paediatric cervical abscesses and compare their performance with that of
СтатьяСравнительное исследованиеПолный 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.
OBJECTIVE: Mild Cognitive Impairment (MCI) is a recognized precursor to Alzheimer's Disease (AD), presenting a significant risk of progression. Early detection and intervention in MCI can potentially slow disease advancement, offering substantial clinical benefits. This study employed radiomics and machine learning methodologies to distinguish between MCI and Normal Cognition (NC) groups.
METHODS: The study included 172 MCI patients and 183 healthy controls from the Alzheimer's Disease Neuroimaging Initiative (ADNI) database, all of whom had 3D-T1 weighted MRI structural images. The cerebella
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.
OBJECTIVE: Age-related macular degeneration (AMD) is a retinal disorder that significantly impairs vision. This study investigates various machine learning models for predicting AMD risk, laying the groundwork for further research using big data and determining the most effective predictive model.
METHODS: Utilizing data from 8211 records with 39 features from the Fujian Eye Study, a cross-sectional epidemiological investigation, several machine learning models were developed and assessed. The models included logistic regression (LR), K-nearest neighbors (KNN), support vector machine (SVM), d
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.
Bio-inspired musculoskeletal robots offer inherent advantages in flexibility, robustness, and compliance. However, achieving efficient and generalizable motion learning while producing natural, human-like movements remains challenging. Neuromechanical mechanisms provide a promising framework to emulate biological motor control and skill acquisition. In this study, we present a biomimetic hierarchical neuromechanical control model (HNCM) that integrates deep reinforcement learning with two distinct lower-level controllers. The model is designed to manage high-dimensional muscle control, enhance
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 accuracy of decoding fine motor imagery (MI) tasks remains relatively low due to the dense distribution of active areas in the cerebral cortex.
METHODS: To enhance the decoding of unilateral fine MI activity in the brain, a weight-optimized EEGNet model is introduced that recognizes six types of MI for the right upper limb, namely elbow flexion/extension, wrist pronation/supination and hand opening/grasping. The model is trained with augmented electroencephalography (EEG) data to learn deep features for MI classification. To address the sensitivity issue of the initial model w
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.
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2023eng
Due to the diversity of patient characteristics, therapeutic approaches, and radiological findings, it can be challenging to predict outcomes based on neurological consequences accurately within cervical spinal cord injury (SCI) entities and based on machine learning (ML) technique. Accurate neurological outcomes prediction in the patients suffering with cervical spinal cord injury is challenging due to heterogeneity existing in patient characteristics and treatment strategies. Machine learning algorithms are proven technology for achieving greater prediction outcomes. Thus, the research emplo
СтатьяОтозванная публикацияПоиск 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: To investigate the preoperative factors influencing textbook outcomes (TO) in Intrahepatic cholangiocarcinoma (ICC) patients and evaluate the feasibility of an interpretable machine learning model for preoperative prediction of TO, we developed a machine learning model for preoperative prediction of TO and used the SHapley Additive exPlanations (SHAP) technique to illustrate the prediction process.
AIM: To analyze the factors influencing textbook outcomes before surgery and to establish interpretable machine learning models for preoperative prediction.
METHODS: A total of 376 pat
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: Renal injury is a severe complication among individuals diagnosed with gout. This research constructed a machine learning predictive model to assess renal injury risk in gout patients.
METHODS: In this study, we trained predictive models for renal injury in patients with gout using NHANES, from 2007 to 2018 database. Extreme Gradient Boosting (XGBoost), support vector machine (SVM) and K-Nearest Neighbors (KNN) were used to train models. Model performance was assessed using the area under the receiver operating characteristic curve (AUC), along with calibration curves and standard
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.