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
4035 публикаций
Поиск: 158 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 376 с найденным полным текстом
Tourette syndrome is a relatively prevalent neurological condition, particularly among children, characterized by sudden, involuntary, repetitive movements or vocalizations. Contemporary diagnostic approaches for Tourette syndrome (TS) primarily rely on behavioral assessments, which pose challenges due to symptom overlap with other psychiatric disorders and significant inter-individual variability. Establishing a machine learning-based predictive model for predicting the risk of TS could potentially enhance diagnostic precision and treatment effectiveness. The investigation was conducted at th
СтатьяНаблюдательное 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: To develop a noninvasive method of differential diagnosis of ACTH-dependent hypercortisolism, as well as to evaluate the effectiveness of an optimal algorithm for predicting the probability of ectopic ACTH syndrome (EAS) obtained using machine learning methods based on the analysis of clinical data.
MATERIALS AND METHODS: As part of a single-center, one-stage, cohort study, a retrospective prediction of the probability of EAS among patients with ACTH-dependent hypercortisolism was carried out. Patients were randomly stratified into 2 samples: training (80%) and test (20%). Eleven machine
Аннотация на английскомСтатьяПолный 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.
In this retrospective analysis, we used routinely collected clinical variables to develop a machine learning model for liver cancer diagnosis and examined the variables that contributed to model performance. We studied 3,629 people who were assessed because they were suspected to have liver cancer or other liver diseases. Patients who had pathologically confirmed liver cancer, and controls comprised of healthy subjects, patients with chronic hepatitis B, chronic hepatitis C, or cirrhosis. From 87 clinical parameters, least absolute shrinkage and selection operator regression was applied to ide
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 AND AIMS: At present, there is a lack of simple and reliable model for early prediction of the efficacy of etanercept in the treatment of juvenile idiopathic arthritis (JIA). This study aimed to generate and validate prediction models of etanercept efficacy in patients with JIA before administration using machine learning algorithms based on electronic medical record (EMR).
MATERIALS AND METHODS: EMR data of 87 JIA patients treated with etanercept between January 2011 and December 2018 were collected retrospectively. The response of etanercept was evaluated by using DAS44/ESR-3 sim
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.
Operational instability in biological wastewater treatment systems can lead to inefficient aeration and elevated energy consumption. Accurate prediction of key process variables, including ammonia nitrogen, dissolved oxygen (DO), and mixed liquor suspended solids (MLSS), is essential for maintaining stable nitrification and energy-efficient aeration control. However, imbalanced data distributions and rare abnormal events often reduce model robustness. To address this challenge, this study develops an integrated predictive and risk assessment framework that incorporates feature distribution smo
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: The presence of pancreaticobiliary maljunction (PBM) in pediatric patients with congenital choledochal malformation significantly impacts clinical management and surgical decision-making. Current preoperative evaluation of PBM coexistence remains challenging in children, while intraoperative cholangiography does not consistently provide diagnostic-quality imaging. This study aims to develop machine learning-based algorithm models for detecting pancreaticobiliary maljunction (PBM) in children with congenital choledochal malformation.
METHODS: We conducted a retrospective study utili
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.
Periodontitis is increasingly associated with heart failure, and the goal of this study was to develop and validate a prediction model based on machine learning algorithms for the risk of heart failure in middle-aged and elderly participants with periodontitis. We analyzed data from a total of 2876 participants with a history of periodontitis from the National Health and Nutrition Examination Survey (NHANES) 2009 to 2014, with a training set of 1980 subjects with periodontitis from the NHANES 2009 to 2012 and an external validation set of 896 subjects from the NHANES 2013 to 2014. The independ
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.
With the continuous growth of human social communication, the number of people suffering from voice disorders is also increasing. Due to the objective and non-invasive advantages of acoustic detection methods for pathological voice, the use of speech signal analysis for pathological voice recognition has become a research hotspot. This article first selected 101 continuous vowels /a/ from the German SVD database as the research object. Secondly, using wavelet packet technology for time-frequency analysis, four nonlinear dynamic parameters, namely approximate entropy, sample entropy, fuzzy entr
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.
Colon cancer represents a significant global health burden, accounting for a substantial portion of cancer-related morbidity and mortality worldwide. Many studies have been conducted to predict survival outcomes; however, most of these analyses have been performed predominantly via basic statistical methods. The aim of this study was to perform machine learning techniques to build models for survival prediction in patients with colon cancer. A retrospective review of 764 colon cancer patients treated over a 10-year period facilitated the construction of a detailed dataset containing 44 predict
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.
INTRODUCTION: Institutional delivery dropout (IDD), defined as delivery outside a health facility despite attending antenatal care (ANC), remains a significant barrier to reducing maternal mortality in Nigeria. Traditional statistical models often fall short of capturing the complex, non-linear interactions among the socio-demographic factors that drive this critical health behavior. METHODS: Using a comprehensive dataset of 16,100 women from the 2018 Nigeria Demographic and Health Survey (NDHS), we applied and compared seven diverse machine learning (ML) algorithms, including models such as S
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 AND OBJECTIVES: Early and accurate prediction of cardiovascular disease (CVD) is fundamental for reducing morbidity and mortality. Machine learning (ML) algorithms provide a data-driven, actionable foundation to strengthen clinical decision-making and enable more precise risk stratification. The purpose of this study is to identify the most significant risk factors for CVD and to compare the predictive performance of eight machine learning algorithms.
MATERIALS AND METHODS: The study utilizes the Cardiovascular Disease dataset, an open-access resource from the Kaggle repository. It
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: Attrition is an important problem in clinical practice and research. However, the predictors of dropping out from cognitive behavioral therapy (CBT) for panic disorder (PD) are not fully understood. In this study, we aimed to build a dropout prediction model for CBT for PD using machine learning (ML) algorithms.
METHODS: We treated 208 patients with PD applying group CBT. From baseline data, the prediction analysis was carried out using two ML algorithms, random forest and light gradient boosting machine. The baseline data included five personality dimensions in NEO Five Factor In
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: Serum ferritin is a primary marker of body iron stores; however, its diagnostic utility is limited by cost and non-specific elevation during inflammatory states. This study aimed to develop and validate explainable machine learning (ML) models to estimate ferritin status using only widely available and cost-effective complete blood count (CBC) and demographic parameters.
METHODS: This prospective study analyzed 12,450 adult laboratory records. To ensure ferritin reflected true iron status, cases with inflammation (elevated white blood cell count or erythrocyte sedimentation rate)
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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2025eng
Vertebral fractures (VFs) are the most common osteoporosis-related fractures, associated with increased mortality, impaired quality of life, disability, and significant economic health burden. In this study, we evaluated the predictive accuracy of radiomics markers extracted from computed tomography (CT) images of the lumbar spine in subjects with fragility fractures. We deployed a comprehensive suite of state-of-the-art machine learning algorithms: Random Forest, XGBoost, Support Vector Machines (SVM), Decision Tree, Naive Bayes, Logistic Regression, AdaBoost, KNN, with hyperparameters optimi
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: 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.
BACKGROUND: Acute mountain sickness (AMS) poses formidable challenges for individuals venturing into high-altitude (HA) environments. Early and precise prediction of AMS is crucial for the timely identification of high-risk individuals and the development of effective treatment strategies. We sought to develop and validate an interpretable Acute Mountain Sickness Four-Task Ensemble (AMS-FTE) model for predicting AMS occurrence and severity according to the old and new LLS definitions.
METHODS: This study enrolled 330 healthy subjects who underwent rapid exposure to HA. Questionnaire surveys u
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: Early identification of Alzheimer's disease-related cognitive impairment remains challenging, and existing machine learning (ML) models often suffer from feature instability and limited interpretability. This study developed robust and explainable ML models using cerebrospinal fluid (CSF) biomarkers by systematically comparing sparsity-based (LASSO), importance-based (Boruta), and consensus feature selection strategies.
METHODS: A publicly available cohort of 333 individuals (91 cognitively impaired, 242 cognitively normal) was analyzed. Data were split into training (70%) and ind
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.
IMPORTANCE: Preeclampsia is a leading cause of maternal and perinatal morbidity and mortality, yet its unpredictable onset and rapid progression hinder timely management. Existing prediction tools often rely on specialized biomarkers, static assessments, or limited study cohorts, impeding clinical utility and generalizability.
OBJECTIVE: To develop and validate machine learning models for dynamic, short-term prediction of preeclampsia onset using longitudinal electronic health record (EHR) data.
DESIGN, SETTING, AND PARTICIPANTS: This retrospective, multisite cohort study included pregnancie
СтатьяМногоцентровое 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.
The thermal conductivity of polyethylene glycol (PEG)-nanocomposites is crucial for their use in thermal management systems, underscoring the need for accurate predictive models. This study develops a Gradient Boosting Machine (GBM) model optimized with four algorithms: Batch Bayesian Optimization (BBO), Evolution Strategies (ES), Bayesian Probability Improvement (BPI), and Gaussian Processes Optimization (GPO). A dataset of 229 experimental samples (90% training, 10% testing) was employed, using temperature, PEG molecular weight, nano concentration, and nano type as input variables. K-fold cr
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.
This study aims to forecast dengue incidence in Bangladesh by applying and comparing machine learning techniques. Dengue surveillance data from January 1, 2022, to December 1, 2023, for five divisions of Bangladesh was obtained from the Directorate General of Health Services. Initial time series analysis showed distinct trends and seasonality. Seasonal Autoregressive Integrated Moving Average (SARIMA), Multi-Layer Perceptron neural networks, XGBoost, and Support Vector Regression (SVR) were implemented for modeling and forecasting monthly dengue cases for each division. The models were evaluat
Сравнительное исследованиеОценочное исследованиеСтатьяСравнительное 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.