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
35031 публикаций
Поиск: 1333 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2553 с найденным полным текстом
INTRODUCTION AND HYPOTHESIS: Obstetric anal sphincter injury (OASI) is a complication with substantial maternal morbidity. The aim of this study was to develop a machine learning model that would allow a personalized prediction algorithm for OASI, based on maternal and fetal variables collected at admission to labor.
MATERIALS AND METHODS: We performed a retrospective cohort study at a tertiary university hospital. Included were term deliveries (live, singleton, vertex). A comparison was made between women diagnosed with OASI and those without such injury. For formation of a machine learning-
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 develop an acute kidney injury risk prediction model using electronic health record data for longitudinal use in hospitalized patients.
DESIGN: Observational cohort study.
SETTING: Tertiary, urban, academic medical center from November 2008 to January 2016.
PATIENTS: All adult inpatients without pre-existing renal failure at admission, defined as first serum creatinine greater than or equal to 3.0 mg/dL, International Classification of Diseases, 9th Edition, code for chronic kidney disease stage 4 or higher or having received renal replacement therapy within 48 hours of first
СтатьяНаблюдательное исследованиеПолный 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. Guillain-Barré Syndrome (GBS) is a potentially fatal autoimmune neurological disorder. The severity varies among the four main subtypes, named as Acute Inflammatory Demyelinating Polyneuropathy (AIDP), Acute Motor Axonal Neuropathy (AMAN), Acute Motor Sensory Axonal Neuropathy (AMSAN), and Miller-Fisher Syndrome (MF). A proper subtype identification may help to promptly carry out adequate treatment in patients. Method. We perform experiments with 15 single classifiers in two scenarios: four subtypes' classification and One versus All (OvA) classification. We used a dataset with the
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: Pediatric traumatic brain injury (TBI) constitutes a significant burden and diagnostic challenge in the emergency department (ED). While large North American research networks have derived clinical prediction rules for the head injured child, these may not be generalizable to practices in countries with traditionally low rates of computed tomography (CT). We aim to study predictors for moderate to severe TBI in our ED population aged < 16 years.
METHODS: This was a retrospective case-control study based on data from a prospective surveillance head injury database. Cases were inclu
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: Survival analysis is crucial in medical research. This study provides a comprehensive comparison of parametric, semi-parametric, and machine learning models for predicting disease-free survival (DFS) in colorectal cancer.
METHODS: Using data from 2,088 patients in a Phase III trial (Project Data Sphere), we evaluated parametric models (Lognormal, Generalized Gamma), semi-parametric models (CoxPH and stratified Cox model) and machine learning models (Random Survival Forests, XGBoost). Performance was assessed using Area under the curve (AUC) and Brier score.
RESULTS: After 10-fold
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.
Since the end of 2019, a novel coronavirus known as COVID-19 has caused a severe outbreak worldwide. Due to the complexity of epidemic data, traditional algorithms have struggled to accurately predict the development of the pandemic. The Autoregressive Integrated Moving Average (ARIMA) model is capable of capturing time-based trends in epidemic data, including seasonality, cyclic patterns, and long-term trends, which helps improve the accuracy of forecasting future epidemic trajectories. The Bidirectional Long Short-Term Memory (BiLSTM) network, a variant of the Recurrent Neural Network (RNN),
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: Gangrenous cholecystitis (GC) is a severe surgical emergency with high postoperative morbidity and mortality, making early and accurate diagnosis essential for timely intervention. Conventional statistical models are limited in capturing nonlinear interactions among clinical variables and often lack interpretability, hindering individualized risk stratification. Machine learning enables accurate and interpretable risk prediction.
METHODS: The retrospective clinical study included a total of 492 patients with 39 routine serological tests and imaging tests collected. Seven models in
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.
RNA structure is central to the function of every RNA class yet the gap between annotated sequences and experimentally determined structures remains large. Computational methods to fill this gap have evolved from thermodynamic free energy minimization through supervised deep learning to self-supervised RNA language models trained on millions of sequences, progressively improving structure prediction. Here we review the state of the art in RNA structure prediction, covering key training datasets, community benchmarks, and the performance of current models. We further discuss perspectives on int
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.
Accurate wavefunction methods such as CCSD(T) can predict chemical and thermodynamic properties of small molecules with near-experimental precision. However, their steep computational cost limits their use for large systems or extensive datasets. In contrast, density functional theory (DFT) is faster and more practical for large molecules but often fails to accurately capture electronic changes with quantitative accuracy. To address these limitations, we have developed a machine learning model for the prediction of electron affinities with physics-based structural features (RDKit and SMARTS) 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: Pregnancy-related syndromes, such as hypertensive disorders, gestational diabetes mellitus, and preterm birth, pose a significant global health burden, affecting maternal and fetal outcomes. Traditional screening methods, reliant on isolated biomarkers or linear models, often fail to address the complex pathophysiology of these conditions.
METHOD: This review synthesizes current literature on machine learning applications in obstetric care, analyzing multimodal data integration from electronic health records, biochemical markers, multi-omics, and imaging. It outlines model develop
СтатьяОбзорПолный 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.
Emerging pollutants may threaten aquatic ecosystems, yet the limited toxicity data for many compounds significantly restrict high-throughput screening of these contaminants. Because Daphnia magna is a sensitive standard test organism and an important link in aquatic food webs, reliable prediction of its acute toxicity response is critical for ecological risk assessment. Here, we curated a Daphnia magna acute toxicity (EC50) database for 170 compounds across several classes of emerging pollutants, including per- and polyfluoroalkyl substances (PFASs) and organophosphate esters (OPEs), using pub
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.
OBJECTIVES: To develop and validate machine learning models to predict levodopa responsiveness of tremor in Parkinson's disease (PD) patients.
METHODS: A total of 197 PD tremor patients underwent Levodopa Challenge Tests and were classified as having levodopa-responsive or levodopa-resistant tremor. Clinical and electromyogram (EMG) tremor analysis variables were recorded. The dataset was randomly divided into a training set (80%) and a test set (20%). To distinguish between the two groups, Support vector machine (SVM), random forest (RF), and logistic regression (LR) models were developed us
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 widespread application of ionic liquids has been limited by uncertainties related to their ecotoxicity. In this article, we investigate the relationship between molecular descriptors of ionic liquids and acetylcholinesterase (AChE) inhibition using a QSAR approach coupled with machine learning models. An initial set of descriptors underwent a preprocessing and selection process based on multiple criteria, including importance by models, correlation with the target variable, statistical relevance, stability, and non-redundancy, followed by iterative sequential selection. Predictive models 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.
Sarcopenic obesity (SO) imposes a heavy medical burden on both individuals and society, highlighting the importance of early identification and timely intervention. This study aims to construct a clinical prediction model based on machine learning (ML) methods to assist in the early screening of SO. Data from the National Health and Nutrition Survey from 2011 to 2018 were used for model development. The included data were randomly divided into a training set and an internal test set with a ratio of 7:3. Eight ML methods - logistic regression, decision tree, neural network, K-nearest neighbor,
СтатьяВалидационное исследованиеПолный 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: Fatigue has been identified as one of the common symptoms among people who have rheumatoid arthritis (RA), which has a significant impact on their quality of life (QoL). Although fatigue has been identified as a symptom, few predictive models using clinical indicators have been developed for RA-related fatigue. This paper aims to create predictive models using machine learning (ML) algorithms.
METHODS: A retrospective analysis of clinical data was conducted on 271 patients with RA from two hospitals. The patients were randomly split into a training set and an external validation
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: Many studies attempted to precisely predict survival or recurrence of patients with resectable intrahepatic cholangiocarcinoma using perioperative indicators. However, machine learning has been infrequently applied to predict postoperative survival in patients with intrahepatic cholangiocarcinoma (ICC). We therefore compared the performance of three prognostic models: the Cox proportional hazards model, random survival forest, and DeepSurv.
METHODS: Least absolute shrinkage and selection operator (LASSO) regression was used for variable selection, and 13 variables were finally select
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: We aimed to develop a generalizable machine learning model that leverages electronic medical record (EMR) data to predict candidemia using information available on or before the date of blood culture collection.
METHODS: This study included adult patients admitted to Shin Koga Hospital (April 2014-March 2022) who underwent blood cultures at least 14 days after admission. We prepared two datasets: a "Complete case dataset" (13 variables, no missing values) and a "Imputed full-variable dataset" (36 variables, single imputation). We evaluated the discriminative performance of four machi
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.
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 Surgery2026eng
PURPOSE: To develop and validate machine learning models to predict post-tonsillectomy hemorrhage.
METHODS: This was a machine learning analysis of a cohort of patients included in the Norwegian tonsil registry in Norway from 03.01.2017 to 01.05.2025. A perioperative assessment was used to describe the type of surgery performed, the surgical technique used, and the methods used to achieve hemostasis. Postoperative outcomes were assessed in questionnaires 30 days after surgery. Unsupervised models were used to explore the data. Supervised models were developed to predict post-tonsillectomy hem
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.
AIM: Postoperative pain is a frequent clinical concern following endodontic treatment. This study aimed to develop and validate supervised machine learning models to predict the occurrence of postoperative pain in cases of irreversible pulpitis.
METHODOLOGY: A prospective sample of 354 patients aged 18 to 60 years undergoing standardised endodontic treatment was analysed. In the original randomised clinical trials from which the data were derived, each patient had only one eligible tooth included. Clinical variables included postoperative pain at 24 and 72 h, treated tooth group, occlusal red
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: Cytomegalovirus (CMV) End-Organ Disease (EOD) remains a significant complication in immunocompromised individuals, particularly transplant recipients and patients undergoing chemotherapy. Accurate prediction of CMV EOD is essential for timely intervention but remains challenging using traditional methods.
OBJECTIVE: This study aimed to evaluate the diagnostic performance of machine learning (ML) algorithms in predicting CMV EOD using clinical and laboratory data from a diverse cohort of high-risk patients.
METHODS: A retrospective analysis was conducted on 227 adult patients with
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.