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: 254 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2553 с найденным полным текстом
BACKGROUND: Postpartum depression (PPD) is a prevalent mental health issue with significant impacts on mothers and families. Exploring reliable predictors is crucial for the early and accurate prediction of PPD, which remains challenging.
OBJECTIVE: This study aimed to comprehensively collect variables from multiple aspects, develop and validate machine learning models to achieve precise prediction of PPD, and interpret the model to reveal clinical implications.
METHODS: This study recruited pregnant women who delivered at the West China Second University Hospital, Sichuan University. Variou
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 survival prediction in peritoneal dialysis (PD) patients is essential for personalized treatment planning and shared decision-making. We developed and validated PD-PREDICT, an XGBoost-based model to generate dynamic mortality risk estimates in incident PD patients. We conducted a retrospective cohort study using data from the UK Renal Registry (UKRR), comprising 22,711 incident PD patients treated between January 1, 2007, and September 1, 2022. The development cohort (n = 14,650; January 2007-December 2016) was split into training and internal test sets. Temporal validation employed 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.
OBJECTIVES: The prevalence of chronic kidney disease (CKD) continues to rise, making it one of the leading causes of death worldwide. Recent advances in medical and health research have progressed beyond traditional statistical methodologies, increasingly leveraging artificial intelligence to identify and predict factors influencing mortality. Further AI-based research is therefore essential to deepen understanding of the determinants of death among CKD patients.
METHODS: This study used data from the Korea Disease Control and Prevention Agency's in-depth survey of patients discharged between
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.
Asthma is a chronic respiratory disease characterized by wheezing and difficulty breathing, which disproportionally affects 4.7 million children in the U.S. Currently, there is a lack of asthma predictive models for youth with good performance. This study aims to build machine learning models to better predict asthma development in youth using easily accessible national survey data. We analyzed cross-sectional combined 2021 and 2022 National Health Interview Survey (NHIS) data from 9,716 youth subjects with their corresponding parent information. We built several machine learning models with v
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: Intrahepatic cholestasis of pregnancy (ICP) is a liver disorder that occurs in the second and third trimesters of pregnancy and is associated with a significant risk of fetal complications, including premature birth and fetal death. In clinical practice, the diagnosis of ICP is predominantly based on the presence of pruritus in pregnant women and elevated serum total bile acid. However, this approach may result in missed or delayed diagnoses. Therefore, it is essential to explore the risk factors associated with ICP and to accurately identify affected individuals to enable timely p
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: Systemic lupus erythematosus (SLE) is a chronic autoimmune disease that disproportionately affects women and racial/ethnic minority groups. Predicting disease flares is essential for improving patient outcomes, yet few studies integrate both clinical and social determinants of health (SDoH). We therefore developed FLAME (FLAre Machine learning prediction of SLE), a machine learning pipeline that uses electronic health records (EHRs) and contextual-level SDoH to predict 3-month flare risk, emphasizing explainability and fairness.
MATERIALS AND METHODS: We conducted a retrospective c
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: Enteral feeding intolerance, a common type of gastrointestinal dysfunction leading to underfeeding, is associated with increased mortality. Tracheal pepsin A, an indicator of microaspiration, was found in 39% of patients within 24 hours of enteral feeding. Tracheal pepsin A is a potential biomarker of enteral feeding intolerance.
OBJECTIVE: To identify predictors of microaspiration (tracheal or oral pepsin A). It was hypothesized that variables predicting the presence of tracheal pepsin A might be similar to predictors of enteral feeding intolerance.
METHODS: In this secondary an
СтатьяПоддержка NIH: внешняя программаПоиск 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 and validate a model predicting surgical treatment of intussusception in children.
METHODS: Design: Retrospective study of charts and development of a model for predicting surgical treatment using logistic regression and machine learning using''Knime'' platform.
SETTING: Data collection occurred in the Department of Pediatric Surgery between January 2013 and December 2022.
PATIENTS: Children aged less than 3 years old with the diagnosis of ileocolic intussusception.
RESULTS: One hundred and nine children were assigned to the training set, and 47 were assigned to the validat
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/Objectives: The number of individuals with lower limb loss (LLL) is rising. Therefore, identifying the walking potential in individuals with LLL and prescribing adequate prosthetic systems are crucial. Various factors can influence participants' walking ability, to different extents. The aim of the present study was to apply machine learning methods to develop a predictive mode. This model can assist rehabilitation and limb loss care teams in making informed decisions regarding prosthesis prescription and predicting walking ability in individuals with LLL. Methods: The present study
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
СтатьяКомментарийПоиск 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.
Early identification of high-risk metabolic dysfunction-associated steatohepatitis (MASH) can offer patients access to novel therapeutic options and potentially decrease the risk of progression to cirrhosis. This study aimed to develop an explainable machine learning model for high-risk MASH prediction and compare its performance with well-established biomarkers. Data were derived from the National Health and Nutrition Examination Surveys (NHANES) 2017-March 2020, which included a total of 5281 adults with valid elastography measurements. We used a FAST score ≥ 0.35, calculated using liver sti
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.
Timely, accurate, and reliable information is essential for decision-makers, emergency managers, and infrastructure operators during flood events. This study demonstrates that a proposed machine learning model, MaxFloodCast, trained on physics-based hydrodynamic simulations in Harris County, offers efficient and interpretable flood inundation depth predictions. Achieving an average R 2 of 0.949 and a Root Mean Square Error of 0.61 ft (0.19 m) on unseen data, it proves reliable in forecasting peak flood inundation depths. Validated against Hurricane Harvey and Tropical Storm Imelda, MaxFloodCa
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 Conference2024eng
Alzheimer's disease is the most common age-related problem and progresses in different stages, from cognitively normal to early mild cognitive impairment, and severe dementia. This study investigates the predictive potential of resting-state functional magnetic resonance imaging (rs-fMRI) and its derived functional connectivity (FC) in understanding Alzheimer's progression. Leveraging deep learning and graph-based models, we introduce two key contributions: 1) a comparative analysis of rs-fMRI time points and FC for Alzheimer's prediction. 2) an innovative graph transformer variant incorporati
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: In clinical practice, the incidence of hypofibrinogenemia (HF) after tigecycline (TGC) treatment significantly exceeds the probability claimed by drug manufacturers.
OBJECTIVE: We aimed to identify the risk factors for TGC-associated HF and develop prediction and survival models for TGC-associated HF and the timing of TGC-associated HF.
METHODS: This single-center retrospective cohort study included 222 patients who were prescribed TGC. First, we used binary logistic regression to screen the independent factors influencing TGC-associated HF, which were used as predictors to train
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: Acinetobacter baumanni infection is a leading cause of morbidity and mortality in the Intensive Care Unit (ICU). Early recognition of patients at risk for infection allows early proper treatment and is associated with improved outcomes. This study aimed to construct an innovative Machine Learning (ML) based prediction tool for Acinetobacter baumanni infection, among patients in the ICU, and to examine its robustness and predictive power.
METHODS: For model development and internal validation, we used The Medical Information Mart for Intensive Care database (MIMIC) III data from 19
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: Acute pancreatitis (AP) progresses to septic shock can be fatal. Early identification of high-risk patients and timely intervention can prevent and interrupt septic shock. By analyzing the clinical characteristics of AP with sepsis, this study uses machine learning (ML) to build a model for early prediction of septic shock within 28 days of admission, which guided emergency physicians in resource allocation and medical decision-making.
METHODS: This retrospective cohort study collected data from the emergency departments (EDs) of three tertiary care hospitals in China. The dataset
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.
Evolution remains an incessant process in viruses, allowing them to elude the host immune response and induce severe diseases, impacting the diagnostic and vaccine effectiveness. Emerging and re-emerging diseases are among the significant public health concerns globally. The revival of dengue is mainly due to the potential for naturally arising mutations to induce genotypic alterations in serotypes. These transformations could lead to future outbreaks, underscoring the significance of studying DENV evolution in endemic regions. Predicting the emerging Dengue Virus (DENV) genome is crucial as t
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 clinical manifestations of systemic sclerosis (SSc) are highly variable, resulting in varied outcomes and complications. Diverse fibrosis of the skin and internal organs, vasculopathy, and dysregulated immune system lead to poor and varied prognoses in patients with SSc subtypes. Therefore, this study aimed to develop a personalized tool for predicting the prognosis of patients with SSc.
METHODS: A cohort of 517 patients with SSc were recruited between January 2009 and November 2021 at Xijing Hospital in China, and 266 patients completed the follow-up and performed in the survi
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: The early diagnosis of glottic laryngeal cancer is the key to successful treatment, and machine learning (ML) combined with narrow-band imaging (NBI) laryngoscopy provides a new idea for the early diagnosis of glottic laryngeal cancer.
OBJECTIVE: To explore the clinical applicability of the diagnosis of early glottic cancer based on ML combined with NBI.
MATERIAL AND METHODS: A retrospective study was conducted on 200 patients diagnosed with laryngeal mass, and the general clinical characteristics and pathological results of the patients were collected. Chi-square test and multiv
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: Postoperative ileus (POI) continues to be a major cause of morbidity following colorectal surgery. Despite best efforts, the incidence of POI in colorectal surgery remains high (~30%). This study aimed to investigate machine learning techniques to identify risk factors for POI in colorectal surgery patients, to help guide further preventative strategies.
METHODS: A TRIPOD-guideline-compliant retrospective study was conducted for major colorectal surgery patients at a single tertial care centre (2018-2022). The primary outcome was the occurrence of POI, defined as not achieving GI-
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.