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
51983 публикаций
Поиск: 122 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1514 с найденным полным текстом
Dengue is a major public health problem that affects millions of people globally. The present study used microarray data to identify differentially expressed genes (DEGs) during dengue clinical conditions. The microarray datasets GSE84331, GSE18090, GSE43777, and E-MTAB-3162 were downloaded and analyzed using statistical analysis (Unpaired t-test). This was followed by Machine Learning (ML) and Deep Learning (DL) techniques with recursive feature elimination and genetic algorithms implemented to identify the potential biomarkers. Further, functional enrichment, platelet signaling, and protein-
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.
The COVID-19 pandemic has burdened healthcare systems globally. To curb high hospital admission rates, only patients with genuine medical needs are admitted. However, machine learning (ML) models to predict COVID-19 hospitalization in Asian children are lacking. This study aimed to develop and validate ML models to predict pediatric COVID-19 hospitalization. We collected secondary data with 2200 patients and 65 variables from Malaysian aged 0 to 12 with COVID-19 between 1st February 2020 and 31st March 2022. The sample was partitioned into training, internal, and external validation groups. Re
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.
The applications of new and emerging technologies in spine surgery are constantly expanding. Specifically, machine learning algorithms have seen a rise in utilization in clinical research, allowing for interpretation of large datasets that have the capability of experiential learning. The goal of this work is to present a guide for surgeons to better understand model design, key takeaways, and common pitfalls related to machine learning to ensure accurate and appropriate interpretation of analytical findings in their practice.
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.
BACKGROUND: Clinical microbiology is undergoing rapid transformation driven by modern technologies generating high-volume, high-dimensional, and heterogeneous datasets that exceed the analytical capabilities of traditional rule-based approaches. Artificial intelligence (AI) provides powerful computational methods to gain diagnostic, biological, and epidemiological insights from these complex data.
OBJECTIVES: This narrative review provides a structured introduction to the machine learning (ML) lifecycle from the perspective of clinical microbiology, outlining the sequence of steps in data pre
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.
Circular particle accelerators require precise beam orbit correction to maintain the beam's trajectory close to the ideal `golden orbit', which is centered within all magnetic elements of the ring, except for slight deviations due to installed experiments. Traditionally, this correction is achieved using methodologies based on the response matrix (RM). The RM elements remain constant when the accelerator's lattice includes solely linear elements or when a linear approximation is valid for small perturbations, allowing for the calculation of corrector strengths to steer the beam. However, most
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 application of machine learning in healthcare continues to gain attention as researchers attempt to prove its potential for the enhancement of diagnosis and prognosis accuracy. Although many applications of machine learning have been well studied, there remain substantial opportunities for advancement. The field of healthcare holds particularly strong potential for improvement from integration with machine learning. In the future, clinicians will likely utilize machine learning to enhance the efficiency of diagnosis and prognosis, optimizing the delivery of care. This study conducts a comp
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.
BackgroundThis narrative review establishes the current state of the art of machine learning approaches for prediction of migraine attacks. Related concepts are highlighted including the identification of triggers or premonitory symptoms and methods for evaluating prediction models. Existing efforts at machine learning prediction of individual migraine headaches and attacks are reviewed in detail. Challenges in this task are discussed.ResultsA variety of input data and modeling approaches have been used. It is consistently found that individualized models provide better results compared to a g
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.
Artificial intelligence and machine learning applications are emerging as transformative technologies in medicine. With greater access to a diverse range of big datasets, researchers are turning to these powerful techniques for data analysis. Machine learning can reveal patterns and interactions between variables in large and complex datasets more accurately and efficiently than traditional statistical methods. Machine learning approaches open new possibilities for studying SLE, a multifactorial, highly heterogeneous and complex disease. Here, we discuss how machine learning methods are rapidl
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.
The number of people suffering from diabetes in Taiwan has continued to rise in recent years. According to the statistics of the International Diabetes Federation, about 537 million people worldwide (10.5% of the global population) suffer from diabetes, and it is estimated that 643 million people will develop the condition (11.3% of the total population) by 2030. If this trend continues, the number will jump to 783 million (12.2%) by 2045. At present, the number of people with diabetes in Taiwan has reached 2.18 million, with an average of one in ten people suffering from the disease. In addit
СтатьяОбзорПоиск 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 diagnosis of Parkinson's disease (PD) is challenging due to its diverse manifestations. Machine learning (ML) algorithms can improve diagnostic precision, but their generalizability across medical centers in China is underexplored.
OBJECTIVE: To assess the accuracy of an ML algorithm for PD diagnosis, trained and tested on data from different medical centers in China.
METHODS: A total of 1656 participants were included, with 1028 from Beijing (training set) and 628 from Fuzhou (external validation set). Models were trained using the least absolute shrinkage and selection
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.
Emergency care is one of the cornerstone parts of the world health organization's action plan. Rapid response and immediate care are considered in agile emergency care. Artificial intelligence (AI) and informatics have been applied to fulfill these requirements through automated emergency technology. Machine learning (ML) is one of the main parts of some of these proposed technologies. There are various ML algorithms and techniques which are potentially applicable for different purposes of emergency care. AI-based approaches using classification and clustering algorithms, natural language proc
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.
OBJECTIVE: The management of cardiogenic shock (CS) in the elderly remains a major clinical challenge. Existing clinical prediction models have not performed well in assessing the prognosis of elderly patients with CS. This study aims to build a predictive model, which could better predict the 30-day mortality of elderly patients with CS.
METHODS: We extracted data from the Medical Information Mart for Intensive Care III version 1.4 (MIMIC-III) as the training set and the data of validation sets were collected from the Second Affiliated Hospital and Yuying Children's Hospital of Wenzhou Medic
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: Diabetic foot ulcer (DFU) and the resulting lower extremity amputation are associated with a poor survival prognosis. The objective of this study is to generate a model for predicting the probability of major amputation in hospitalized patients with DFU.
METHODS: The National Inpatient Sample (NIS) database from 2008 to 2014 was used to select patients with DFU, who were then further divided by major amputation status. International Classification of Diseases, Ninth Edition, Clinical Modification (ICD-9-CM) and Agency for Healthcare Research and Quality (AHRQ) comorbidity codes we
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.
PURPOSE OF REVIEW: In this review article, we describe the development and application of machine-learning models in the field of rheumatology to improve the detection and diagnosis rates of underdiagnosed rheumatologic conditions, such as ankylosing spondylitis and axial spondyloarthritis (axSpA).
RECENT FINDINGS: In an attempt to aid in the earlier diagnosis of axSpA, we developed machine-learning models to predict a diagnosis of ankylosing spondylitis and axSpA using administrative claims and electronic medical record data. Machine-learning algorithms based on medical claims data predicted
СтатьяПоддержка исследования: вне правительства СШАОбзорПолный 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: As the global population ages, sarcopenia is increasingly recognized for its severe consequences, including disability, falls, injuries, hospitalization, and even death. Despite its significance, research on predicting sarcopenia using machine learning is limited. This study aims to develop an effective machine learning model for sarcopenia prediction.
METHODS: Data from 1,441 participants were retrospectively reviewed from Kaohsiung Medical University-affiliated hospitals between 2022 and 2024. The dataset included demographics, lifestyle habits, medical history, and other rele
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.
Hypertension continues to be the leading modifiable risk factor for mortality globally, contributing significantly to cardiovascular disease. The American Heart Association (AHA) 2017 Hypertension Guidelines define hypertension as blood pressure (BP) ≥ 130/80 mmHg and recommend a target BP of <130-140/80 mmHg for most adults. Effective management of hypertension is crucial in reducing morbidity and mortality, and current clinical guidelines emphasize the importance of early detection, lifestyle modifications, and pharmacological treatment to mitigate long-term health risks. With the recent dev
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.
Background and Objectives: This study aims to evaluate the predictive value of comprehensive data obtained in obstetric clinics for the detection of stillbirth and the predictive ability set of machine learning models for stillbirth. Material and Method: The study retrospectively included all stillbirths followed up at a hospital between January 2015 and March 2024 and randomly selected pregnancies that resulted in a live birth. The electronic record system accessed pregnant women's maternal, fetal, and obstetric characteristics. Based on the perinatal characteristics of the cases, four distin
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 this cross-sectional study, we developed and validated a predictive model for uterine fibroid risk using routine physical examination indicators and 5 machine learning algorithms: logistic regression, random forest, k-nearest neighbors, categorical boosting (CatBoost), and light gradient boosting machine. The primary dataset consisted of health examination records from the MJ Health Screening Center in Beijing, China (2013-2023), while an independent external validation dataset (2024) was used to assess generalizability. LASSO regression identified 13 significant predictors, including age,
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 evaluate a machine learning (ML)-based model for pulmonary hypertension (PH) prediction using measurements and impressions made during echocardiography.
METHODS: A total of 7853 consecutive patients with right-sided heart catheterization and transthoracic echocardiography performed within 1 week from January 1, 2012, through December 31, 2019, were included. The data were split into training (n=5024 [64%]), validation (n=1275 [16%]), and testing (n=1554 [20%]). A gradient boosting machine with enumerated grid search for optimization was selected to allow missing data in the boos
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: Patients with essential tremor (ET), Parkinson's disease (PD) and dystonic tremor (DT) can be difficult to classify and often share similar characteristics.
OBJECTIVES: To use ubiquitous smartphone accelerometers with and without clinical features to automate tremor classification using supervised machine learning, and to use unsupervised learning to evaluate if natural clusterings of patients correspond to assigned clinical diagnoses.
METHODS: A supervised machine learning classifier was trained to classify 78 tremor patients using leave-one-out cross-validation to estimate perf
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.