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
25626 публикаций
Поиск: 326 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2638 с найденным полным текстом
Academic medicine : journal of the Association of American Medical Colleges2026eng
PURPOSE: Visual analytics is a nascent and underexplored area in the medical education literature that can assist in synthesizing large volumes of data and information to provide actionable insight. This scoping review aims to identify: 1) the characteristics of the studies that have applied visual analytics in medical education, 2) how visual analytics are being used to support medical education efforts.
METHOD: This study followed the Joanna Briggs Institute (JBI) scoping review guidelines to search four databases in mid-April 2026: PubMed, IEEE Xplore, Scopus, ACM Digital, along with Googl
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 transition to the assessment of entrustable professional activities as part of competency-based medical education (CBME) has substantially increased the number of assessments completed on each trainee. Many CBME programs are having difficulty synthesizing the increased amount of assessment data. Learning analytics are a way of addressing this by systematically drawing inferences from large datasets to support trainee learning, faculty development, and program evaluation. Early work in this field has tended to emphasize the significant potential of analytics in medical education. However, c
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.
The idea that the purely phenomenological knowledge that we can extract by analyzing large amounts of data can be useful in healthcare seems to contradict the desire of VPH researchers to build detailed mechanistic models for individual patients. But in practice no model is ever entirely phenomenological or entirely mechanistic. We propose in this position paper that big data analytics can be successfully combined with VPH technologies to produce robust and effective in silico medicine solutions. In order to do this, big data technologies must be further developed to cope with some specific re
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.
BACKGROUND: Since the scale-up of routine viral load (VL) testing started in 2016, there is limited evidence on VL suppression rates under programmatic settings and groups at risk of non-suppression. We conducted a study to estimate VL non-suppression (> 1000 copies/ml) and its risk factors using "routine" and "repeat after enhanced adherence counselling (EAC)" VL results.
METHODS: We conducted an analytic cross-sectional study using secondary VL testing data collected between 2014 and 2018 from a centrally located laboratory. We analysed data from routine tests and repeat tests after an indi
СтатьяПоддержка 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.
Data-independent acquisition (DIA) mass spectrometry is a technique used in proteomics to identify and quantify proteins in complex biological samples. While this comprehensive approach yields more complete and reproducible protein profiles than data-independent acquisition (DDA), the resulting data are substantially larger and more complex, presenting significant challenges for data analysis and interpretation. These challenges can be effectively addressed using dedicated workflow managers that support parallel execution of complex analysis pipelines on high-performance computing infrastructu
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 cooperative project "POLypharmacy, drug interActions and Risks" (POLAR_MI) of the Medical Informatics Initiative Germany (MII) aimed at detecting medication-related risks attributed to polymedication in adult patients from German university hospitals. Here, we report technological challenges and solutions to undertake this large-scale multicentre project relying on routine healthcare data stored and processed by the data integration centres, which were recently established at the German university hospitals.
METHODS: We developed and implemented a two-step, privacy-preserving,
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.
In traditional visual analysis, brushing and linking is commonly used to visually connect multiple views using highlighting techniques. However, brushing and linking has rarely been used in situated analytics, which uses visualizations to analyze data in the context of physical referents. In situated analytics, data representations must be visually linked to real-world objects. Previous work has assessed situated brushing and linking in a virtual reality simulation of a supermarket scenario. Here, we replicate and extend the previous approach by studying brushing and linking in an actual physi
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.
Metabolomics has emerged as a mainstream approach for investigating the complex metabolic underpinnings of living systems, and over recent years, it has increasingly been applied to large cohort studies that tax the limits of existing computational tools. Most existing metabolomics software tools are effective at analyzing small data sets but exhibit a number of shortcomings that limit their utility when applied to large studies: they store entire data sets in memory, they use batch-dependent fitting algorithms, and they do not use concrete metrics for peak fitting, which not only results in i
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
BackgroundArtificial Intelligence (AI) is increasingly integrated into healthcare systems, presenting opportunities to improve clinical outcomes. In the context of palliative care, AI holds potential to enhance quality of life through improved symptom management, effective communication, and greater prognostic accuracy. For this review, AI refers to computational systems capable of learning, reasoning, or predicting outcomes. As integration advances, a critical examination of its applications, practical challenges, and ethical implications in palliative care is warranted.MethodsA scoping revie
Scoping ReviewСтатьяПоиск 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: Machine learning-based analytics over uni-modal medical data has shown considerable promise and is now routinely deployed in diagnostic procedures. However, patient data consists of diverse types of data. By exploiting such data, multimodal approaches promise to revolutionize our ability to provide personalized care. Attempts to combine two modalities in a single diagnostic task have utilized the evolving field of multimodal representation learning (MRL), which learns a shared latent space between related modality samples. This new space can be used to improve the performance of ma
СтатьяСистематический обзорПоддержка 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.
Topological Data Analysis (TDA) offers shape-aware descriptions for complex epidemic patterns. We have created a clustered forecasting pipeline for weekly dengue incidence at the state level in Mexico. This pipeline integrates TDA, using persistence diagrams and persistence images (PI), into feature engineering, Gaussian-mixture clustering, and cluster-level count Generalized Linear Models (GLMs). We compare Poisson and Negative-Binomial (NB2) models using a rolling-origin evaluation with naïve and seasonal-naïve baselines. With three clusters, NB2 consistently performs better than Poisson in
СтатьяПоддержка 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 emerging field of outbreak analytics calls attention to the need for data from multiple sources to inform evidence-based decision making in managing infectious diseases outbreaks. To date, these approaches have not systematically integrated evidence from social and behavioural sciences. During the 2018-2020 Ebola outbreak in Eastern Democratic Republic of the Congo, an innovative solution to systematic and timely generation of integrated and actionable social science evidence emerged in the form of the Cellulle d'Analyse en Sciences Sociales (Social Sciences Analytics Cell) (CASS), a socia
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.
Despite years of preclinical development, biological interventions designed to treat complex diseases such as asthma often fail in phase III clinical trials. These failures suggest that current methods to analyze biomedical data might be missing critical aspects of biological complexity such as the assumption that cases and controls come from homogeneous distributions. Here we discuss why and how methods from the rapidly evolving field of visual analytics can help translational teams (consisting of biologists, clinicians, and bioinformaticians) to address the challenge of modeling and inferrin
СтатьяПоддержка NIH: внешняя программаОбзорПолный 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 Neurodata Without Borders data standard (NWB) unifies diverse modalities of neurophysiology data in a single format. Integrating NWB with a database unleashes its full potential to promote collaboration, standardize analyses, capitalize on historical data, and ensures data integrity by maintaining process transparency. NWB database technology is the bedrock of analytical systems used by academic leaders including the Allen Institute and the International Brain Laboratory. Here we present the benefits of incorporating NWB design principles in a big data analytics application.
N
СтатьяПоддержка исследования: вне правительства СШАПоддержка 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.
We all know the power of the killer app. It's not just a support tool; it's a strategic weapon. Companies questing for killer apps generally focus all their firepower on the one area that promises to create the greatest competitive advantage. But a new breed of organization has upped the stakes: Amazon, Harrah's, Capital One, and the Boston Red Sox have all dominated their fields by deploying industrial-strength analytics across a wide variety of activities. At a time when firms in many industries offer similar products and use comparable technologies, business processes are among the few rema
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) can advance healthcare analytics by generating predictive insights that extend beyond traditional retrospective reporting. This study examines how machine learning models applied to clinical, operational, and contextual data may identify patient risk factors, forecast disease progression, and support timely interventions. Rather than claiming definitive clinical impact, the manuscript presents an implementation-oriented framework showing how predictive models can inform readmission risk stratification, resource planning, and care quality improvement when supported
СтатьяОбзорПолный 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.
Healthcare Informatics is a phenomenon being talked about from the early 21st century in the era in which we are living. With evolution of new computing technologies huge amount of data in healthcare is produced opening several research areas. Managing the massiveness of this data is required while extracting knowledge for decision making is the main concern of today. For this task researchers are doing explorations in big data analytics, deep learning (advanced form of machine learning known as deep neural nets), predictive analytics and various other algorithms to bring innovation in healthc
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.
Providing effective guidance for users has long been an important and challenging task for efficient exploratory visual analytics, especially when selecting variables for visualization in high-dimensional datasets. Correlation is the most widely applied metric for guidance in statistical and analytical tools, however a reliance on correlation may lead users towards false positives when interpreting causal relations in the data. In this work, inspired by prior insights on the benefits of counterfactual visualization in supporting visual causal inference, we propose a novel, simple, and efficien
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 CONTEXT: As the population ages, rates of lumbar spine disease have risen, and lumbar fusion surgeries have become more prevalent. There has been a corresponding emphasis on value-based cost reductions and outcomes research to identify which patients benefit from fusion. While wearable remote-monitoring devices such as goniometers have been used for some time in other medical fields, these seem to have yet to attain wide usage in spine surgery.
PURPOSE: We aimed to conduct a systematic review of the PubMed database in accordance with PRISMA guidelines to characterize the use of wea
СтатьяСистематический обзорПолный 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.
Mass spectrometry-based single-cell metabolomics (SCM) reveals the inherent heterogeneity of individual cells among seemingly identical cell types. Fast-scanning and high-resolving mass analyzers provide the sensitivity and specificity required to probe minuscule amounts of biological material. However, acquiring data from hundreds of individual cells to achieve statistical power results in complex data sets. This challenge is compounded by the limited availability of specialized data analysis tools for single-cell metabolomics, as many techniques depend on the use of specialized sampling and
СтатьяПоддержка исследования: вне правительства СШАПоиск 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.