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: 237 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 666 с найденным полным текстом
Viscoelastic testing is an established standard in modern coagulation medicine, reducing transfusion needs. However, it does not provide direct information on platelet count. Here, we present a machine learning approach to predict platelet count and to detect low platelet count based on standard rotational thromboelastometry (ROTEM) parameters. We analyzed 2,333 anonymised datasets collected from multiple centres between 2014 and 2023. Six machine learning methods (Regression, Gradient Boosting Methods, extreme Gradient Boosting, Random Forests, Neural Networks, and Stacked Ensemble Learning)
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.
BackgroundK2EDTA contamination of serum samples is a preanalytical error that poses a risk to patient safety. Contamination is most frequently mild to moderate, which standard detection procedures often miss. We examined whether machine learning models could improve the detection of K2EDTA contamination.MethodsArtificial neural network, decision tree (both simple and complex), extreme gradient boosting, k-nearest neighbours, logistic regression, naïve Bayes, random forest, and support vector machine models were developed. Models were trained using extracted patient results for electrolytes, ur
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: Accurate preoperative prediction of lymph node invasion (LNI) in prostate cancer is critical for guiding lymph node dissection. Current nomograms often fail to optimall balance the risks of missing metastatic cases and unnecessary dissections. Machine-learning models can provide improved predictive performance through more flexible modeling of complex clinical data.
METHODS: The authors developed machine-learning models using clinicopathologic features to predict LNI. Due to a significant class imbalance between LNI-positive and LNI-negative cases, a synthetic minority oversamplin
СтатьяСравнительное 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.
Ischemic stroke puts great health burden in public. However, the diagnosis is based on head CT or MRI scanning. We aim to develop classifier models to screen asymptomatic ischemic stroke based on clinical data without imaging. The subjects (age ≥ 20 years) were recruited into our study who attended health examination. We developed models to classify subjects with or without ischemic stroke using support vector machine (SVM), random forest (RF), extreme gradient boosting (XGBoost), and convolutional neural network (CNN). The candidate variables included sex, age, height, weight, blood pressure,
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: To develop an optimal screening model to identify the individuals with a high risk of hypertension in China by comparing tree-based machine learning models, such as classification and regression tree, random forest, adaboost with a decision tree, extreme gradient boosting decision tree, and other machine learning models like an artificial neural network, naive Bayes, and traditional logistic regression models.
METHODS: A total of 4,287,407 adults participating in the national physical examination were included in the study. Features were selected using the least absolute shrinkage
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 AND OBJECTIVE: Clinical characteristics of obesity are heterogenous, but current classification for diagnosis is simply based on BMI or metabolic healthiness. The purpose of this study was to use machine learning to explore a more precise classification of obesity subgroups towards informing individualized therapy.
SUBJECTS AND METHODS: In a multi-center study (n=2495), we used unsupervised machine learning to cluster patients with obesity from Shanghai Tenth People's hospital (n=882, main cohort) based on three clinical variables (AUCs of glucose and of insulin during OGTT, and ur
СтатьяМногоцентровое исследованиеПоддержка исследования: вне правительства СШАПолный 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: Acute kidney injury (AKI) is a significant concern among hospitalized patients receiving aminoglycosides. Identifying the risk factors associated with aminoglycoside-induced AKI and developing machine learning models are imperative in clinical practice.
OBJECTIVE: This study aims to identify the risk factors associated with AKI in hospitalized patients receiving aminoglycosides, and develop machine learning models for evaluation of the AKI risk in these patients.
METHODS: This study retrospectively analyzed 7,028 hospitalized patients who received treatment with amikacin or etimi
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.
Physics-informed neural networks (PINNs) have emerged as mesh-free approaches for solving partial differential equations, but their learned representations are often difficult to interpret. RBF-kernel-based formulations such as sparse, physics-based, and interpretable neural networks (SPINNs) make the geometry of the physical kernels explicit and show that kernels adapt coherently around dominant solution features, motivating the question of whether all kernel geometries need to remain independent. To investigate this question, we introduce kernel-adaptive physics-informed learning machines (K
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: This study leverages machine learning and cytokine profiles to differentiate liver and renal function abnormalities in the aging population, aiming for advancements in early detection techniques.
METHODS: The analysis involved data from 760 participants, employing logistic regression, random forest, lasso regression, extreme gradient boosting, and support vector machines to create diagnostic models. Cytokine levels were measured via ELISA, alongside liver and renal clinical function tests. The data were randomly split 3:1 into training and hold-out validation sets; Synthetic Minor
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: With the popularity of recreational activities, the study aimed to develop prediction models for recreational activity participation and explore the key factors affecting participation in recreational activities. Methods: A total of 12,712 participants, excluding individuals under 20, were selected from the National Health and Nutrition Examination Survey (NHANES) from 2011 to 2018. The mean age of the sample was 46.86 years (±16.97), with a gender distribution of 6,721 males and 5,991 females. The variables included demographic, physical-related variables, and lifestyle variables. Th
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: Oncological resection and reconstruction involving the lower extremities commonly lead to reoperations that impact patient outcomes and healthcare resources. This study aimed to develop a machine learning (ML) model to predict this reoperation risk.
METHODS: This study was conducted according to TRIPOD + AI. Data from the PARITY trial was used to develop ML models to predict the 1-year reoperation risk following lower extremity oncological resection and reconstruction. Six ML algorithms were tuned and calibrated based on fivefold cross-validation. The best-performing model was ide
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: Stillbirth remains a major public health concern, particularly in low-income and middle-income countries. Identifying maternal and obstetric determinants is essential for prevention and targeted interventions. Logistic regression offers a baseline predictive model, while machine learning (ML) methods, such as Random Forest (RF) and Extreme Gradient Boosting, can improve predictive accuracy and highlight key risk factors through feature importance. This study aimed to predict stillbirth and identify influential maternal and obstetric predictors among pregnant women in Ethiopia using
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.
Sex steroid hormones, including estradiol (E2), estrone (E1), follicle-stimulating hormone (FSH), and luteinizing hormone (LH), have been implicated in the development of female malignancies (FMs), yet their independent and combined effects remain unclear. We conducted a cross-sectional analysis using data from the National Health and Nutrition Examination Survey (NHANES). Weighted logistic regression, restricted cubic spline modeling, and chi-square trend tests were applied to evaluate dose-response associations. Machine learning algorithms, including Bayesian Kernel Machine Regression, Extre
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.
Highly prevalent hepatitis B and hepatitis C virus (HBV and HCV) infections have been reported among individuals with diabetes. Given the frequently asymptomatic nature of hepatitis and the challenges associated with screening in some vulnerable populations such as diabetes patients, we conducted an investigation into the performance of various machine learning models for the identification of hepatitis in diabetic patients while also evaluating the significance of features. Analyzing NHANES data from 2013 to 2018, machine learning models were evaluated; random forest (RF), support vector mach
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.
Methadone is an opioid receptor agonist with a high potential for abuse. The current study aimed to compare different machine learning models to predict the outcomes following methadone poisoning. This six-year retrospective longitudinal study utilizes National Poison Data System (NPDS) data. The severity of outcomes was derived from the NPDS Coding Manual. Our database was divided into training (70%) and test (30%) sets. We used a light gradient boosting machine (LGBM), extreme gradient boosting (XGBoost), random forest (RF), and logistic regression (LR) to predict the outcomes of methadone 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: To develop and internally validate a machine learning model to predict favorable standing ability at hospital discharge in patients with moderate-to-severe traumatic brain injury, incorporating both modifiable and nonmodifiable clinical factors.
DESIGN: Retrospective cohort study.
SETTING: A tertiary academic medical center in Taiwan.
PARTICIPANTS: A total of 248 adults with moderate-to-severe traumatic brain injuries admitted between 2019 and 2024 who received standard acute care and had complete discharge functional outcome data.
INTERVENTIONS: Not applicable.
MAIN OUTCOME ME
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: Chronic Kidney Disease (CKD) is a common severe complication after radical nephrectomy in patients with renal cancer. The timely and accurate prediction of the long-term progression of renal function post-surgery is crucial for early intervention and ultimately improving patient survival rates.
OBJECTIVE: This study aimed to establish a machine learning model to predict the likelihood of long-term renal dysfunction progression after surgery by analyzing patients' general information in depth.
METHODS: We retrospectively collected data of eligible patients from the Affiliated Hosp
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: In cardiovascular patients, precise risk stratification is crucial for minimizing exercise-related risks and optimizing treatment efficacy during cardiac rehabilitation. Existing classification criteria vary among organizations, necessitating a comprehensive assessment of the underlying conditions and medical tests. We developed machine-learning models to assist in standardizing risk classification for cardiopulmonary exercise training.
MATERIALS AND METHODS: Using retrospective data from 1163 patients across three institutions, we developed an AI model to reproduce clinician-assigne
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: Automated classification of skin lesion remains a challenging task due to high inter-class similarity, intra-class variance and extreme class imbalance in the dermoscopic datasets. To overcome these limitations, the proposed study presents a Hybrid Bi-Feature Network model as HB-Net, in which the convolutional neural networks are fine-tuned to extract features and subsequently machine learning classifier are used for skin lesion classification.
METHODS: DenseNet201 and ResNet50 are both fully trainable deep architectures independently trained on the dermoscopic images to find di
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.
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
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.