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
51981 публикаций
Поиск: 309 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1514 с найденным полным текстом
Background/Objectives: Early identification of complicated appendicitis in children remains challenging. We developed and internally validated laboratory-based machine-learning models for severity stratification using age and routine admission laboratory data. Methods: This retrospective study included 628 children with surgically confirmed appendicitis treated between 2020 and 2024. Complicated appendicitis was defined by operative or pathological evidence of perforation, gangrene, abscess, phlegmon, diffuse peritonitis, or comparable advanced inflammation. Fifteen candidate predictors were e
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.
INTRODUCTION: About 25% of patients undergoing pancreaticoduodenectomy (PD) for right-sided pancreatic ductal adenocarcinoma (PDAC) die within 1 y of diagnosis. These patients carry all the risks of significant morbidity with no survival advantage when compared to nonsurgical options. We aimed to determine if machine learning models have superior accuracy to traditional regression models at predicting futile surgery in patients with PDAC.
METHODS: We analyzed data from patients in the National Cancer Database undergoing PD for PDAC between 2004 and 2020. PD was defined as futile if the patien
СтатьяПоддержка NIH: внешняя программаПоиск 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.
Since the World Health Organization declared the Coronavirus Disease 2019 (COVID-19) pandemic as an international concern of public health emergency in the early 2020, several strategies have been initiated in many countries to prevent healthcare services breakdown and collapse of healthcare structures. The most important strategy was the increased testing, diagnosis, isolation, contact tracing to identify, quarantine and test close contacts. In this context, finding a rapid, reliable and affordable tool for COVID-19 screening was the main challenge to address the pandemic. Molecular diagnosis
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: Using artificial intelligence and machine learning to predict linezolid-induced thrombocytopenia helps identify related risk factors in patients.
METHODS: Between January 2020 and December 2023, 284 patients receiving linezolid from Beijing Chaoyang Hospital were enrolled. The data underwent filtering to ensure completeness and quality. The filtered data were then randomly divided into training and validation sets at a 3:1 ratio using stratified sampling. Four machine learning methods-logistic regression, Lasso regression, support vector machine (SVM), and random forest-were employ
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.
Refractive error is a significant factor contributing to visual impairment, imposing a relatively large burden on the social economy. Although refractive surgery is an important corrective method, it faces challenges in clinical practice, such as precise preoperative screening, personalized surgical plan design, and prevention of postoperative complications. This study focuses on the application of machine learning in the field of refractive surgery. Through a comprehensive analysis of relevant literature, it is found that machine learning plays a positive role in multiple key aspects. In preo
СтатьяОбзорАннотация 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.
PURPOSE: To utilize a machine learning model for employing ultra-widefield fundus photograph (UWFFP) as a surrogate marker for ultra-widefield fluorescein angiography (UWFFA) in detecting posterior segment inflammation.
DESIGN: An evaluation of technology.
PARTICIPANTS: Not applicable.
METHODS: Ultra-widefield fundus photographs were extracted and grouped based on the corresponding UWFFA images, which served as the ground truth, into those with signs of inflammation and those without. Vertex AI was used to train a machine learning model to detect the presence of inflammation using the UWFFP
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.
Artificial Intelligence (AI) has significantly advanced clinical decision support systems in healthcare, particularly using Machine Learning (ML) models. However, the technical nature of current ML model documentation often leads to lack of comprehension among healthcare stakeholders. This study assessed the understanding of ML model documentation for a sepsis prediction model during an interdisciplinary workshop with 24 participants. Results showed that participants had moderate AI literacy (mean score: 40.13 out of 65) and that on average 65% of the model documentation was understood. Key ba
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.
The increasing reliance on web applications for storing sensitive data and financial transactions has elevated the importance of web application security. A machine learning-based web application firewall was designed to protect web applications against injection vulnerabilities. A hybrid dataset, including CISC 2010, HTTPParams 2015, and real-time Hypertext Transfer Protocol (HTTP) requests, was employed. The study evaluated five classification algorithms-K-nearest neighbors, logistic regression, naïve Bayes, support vector machine, and decision tree-for detecting cross site scripting (XSS),
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.
Sepsis-induced glucose fluctuations present major challenges in critical care, underscoring the importance of accurate glucose monitoring and forecasting to improve patient outcomes. This study introduces a suite of forecasting models trained using continuous glucose monitoring data from a diabetic patient with sepsis (19,621 data points). The models include four transformer-based ones (iTransformer, Crossformer, PatchTST, FEDformer), a dynamic linear model (DLinear), and an ensemble zero-shot inference method leveraging ChatGPT-4. Model performance was evaluated for 15-, 30-, and 60-minute pr
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: Despite the availability of direct oral anticoagulants, warfarin remains essential for mechanical valves, renal impairment, and resource-limited settings. Traditional dosing achieves therapeutic range in only 55-65% of patients, increasing bleeding and thrombotic complications. This systematic review evaluates the literature on machine learning (ML) approaches for warfarin dose prediction (2022-2025). Methods: We analysed 14 studies encompassing 122,400 patients across nine countries following PRISMA guidelines. Studies utilizing ML algorithms for warfarin dosing with quantifiable
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
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.
PURPOSE: Shoulder dystocia (SD) is a serious delivery complication, often occurring without identifiable risk factors. Accurate risk assessment is essential for educated decisions regarding the mode of delivery. This study aimed to develop and validate a machine learning-based model for SD prediction.
METHODS: We conducted a retrospective analysis of term singleton vaginal deliveries at a single academic hospital over 10 years. Exclusion criteria included cesarean deliveries and multiple gestations. Maternal and fetal characteristics were compared between SD and non-SD cases. Eleven features
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.
INTRODUCTION: Acute esophagitis is a common adverse effect of radiochemotherapy in patients with cancer, and its early detection and prediction of its occurrence can significantly impact patient management and treatment planning. This study aimed to conduct a comparative analysis of various Machine Learning algorithms and explore their practical implementations in predicting acute esophagitis induced by radiochemotherapy.
METHODS: A comprehensive dataset comprising patient characteristics, treatment parameters, and clinical factors associated with acute esophagitis was collected and preproces
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.
INTRODUCTION: Lymph nodes are essential to diagnose lymphoid neoplasms, metastases, and infections. Some lymphomas, particularly aggressive non-Hodgkin lymphomas (NHL), need urgent diagnosis. Combining lymph node cytology (LNC) and flow cytometry (FC) with other rapidly available parameters through multivariable predictive models could offer valuable diagnostic information while waiting for anatomopathological results.
MATERIALS AND METHODS: Results of 196 lymph node specimens were retrospectively analyzed for parameters like age, sex, LNC, FC, positron emission tomography scan, lymphocytosis
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: The diagnosis of coeliac disease (CD), an autoimmune disorder with an estimated global prevalence of around 1%, generally relies on the histological examination of duodenal biopsies. However, inter-pathologist agreement for coeliac disease diagnosis is estimated to be no more than 80%. We aim to improve coeliac disease diagnosis by developing a novel, accurate, machine-learning-based diagnostic classifier.
METHODS: We present a machine learning model that diagnoses the presence or absence of coeliac disease from a set of duodenal biopsies representative of real-world clinical data
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.
Diagnosing mitochondrial diseases remains challenging because of the heterogeneous symptoms. This study aims to use machine learning to predict mitochondrial diseases from phenotypes to reduce genetic testing costs. This study included patients who underwent whole exome or mitochondrial genome sequencing for suspected mitochondrial diseases. Clinical phenotypes were coded, and machine learning models (support vector machine, random forest, multilayer perceptron, and XGBoost) were developed to classify patients. Of 103 patients, 43 (41.7%) had mitochondrial diseases. Myopathy and respiratory fa
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: Coeliac disease, an autoimmune disorder affecting approximately 1% of the global population, is typically diagnosed on duodenal biopsy. However, interpathologist agreement on coeliac disease diagnosis is only 80%. Existing machine learning solutions designed to improve coeliac disease diagnosis often lack interpretability, which is essential for building trust and enabling widespread clinical adoption. We aim to develop an interpretable artificial intelligence (AI) model segmenting key histological structures in H&E-stained duodenal biopsies, generating explainable segmentation mask
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.
Despite years of research, we are still not able to reliably predict who might benefit from electroconvulsive therapy (ECT) treatment. As we exhaust what is possible using traditional statistical analysis, ECT remains a good candidate for machine learning approaches due to the large data sets with data captured through electroencephalography (EEG) and other objective measures. A systematic review of 6 databases led to the full-text examination of 26 articles using machine learning approaches in examining data predicting response to ECT treatment. The identified articles used a wide variety of
Систематический обзорСтатьяПоиск 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.
Rationale: Differential diagnosis of pleural effusion is challenging in clinical practice. Objectives: We aimed to develop a machine learning model to classify the five common causes of pleural effusions. Methods: This retrospective study collected 49 features from clinical information, blood, and pleural fluid of adult patients who underwent diagnostic thoracentesis between October 2013 and December 2018. Pleural effusions were classified into the following five categories: transudative, malignant, parapneumonic, tuberculous, and other. The performance of five different classifiers, including
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.
PURPOSE OF REVIEW: Anaphylaxis is a severe, potentially life-threatening allergic reaction that requires rapid identification and intervention. Current management includes early recognition, prompt administration of epinephrine, and immediate medical attention. However, challenges remain in accurate diagnosis, timely treatment, and personalized care. This article reviews the integration of artificial intelligence and machine learning in enhancing anaphylaxis management.
RECENT FINDINGS: Artificial intelligence and machine learning can analyze vast datasets to identify patterns and predict ana
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.