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: 171 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 376 с найденным полным текстом
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2024eng
This paper presents an innovative methodology for applying signal processing techniques and machine learning to process recently available data for heart murmur detection and classification. The scope of this research is to improve upon current heart murmur detection research by investigating the classification of murmur characteristics, such as pitch, duration, configuration, and quality, which are necessary for diagnosis. Feature extraction was performed on each cardiac cycle for a total of 53 features. The machine learning models tested included 5 supervised models, with 3 of those being bo
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.
Anterior cruciate ligament (ACL) injuries are common in athletes and often result in long-term complications such as altered gait and an increased risk of osteoarthritis. Identifying gait abnormalities after ACL reconstruction is crucial for optimizing rehabilitation. This study investigates the use of machine learning (ML) models to distinguish between athletes with ACL injuries and healthy individuals using spatiotemporal gait data collected during treadmill running. The Classifiers tested include the K-nearest neighbors (KNN), gradient boosting machine (GBM), XGBoost (XGB), random forest (R
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.
Machine learning (ML) has demonstrated promise in predicting mortality; however, understanding spatial variation in risk factor contributions to mortality rate requires explainability. We applied explainable artificial intelligence (XAI) on a stack-ensemble machine learning model framework to explore and visualize the spatial distribution of the contributions of known risk factors to lung and bronchus cancer (LBC) mortality rates in the conterminous United States. We used five base-learners-generalized linear model (GLM), random forest (RF), Gradient boosting machine (GBM), extreme Gradient bo
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.
Accurate prediction of drug response in cancer cells is a fundamental step toward achieving precision medicine and designing personalized therapies. In this study, a multi-branch deep learning framework is proposed that integrates multi-omics cellular data including gene expression, mutation, methylation, and biological pathways with structural features of drugs (molecular graphs and various chemical fingerprints) to enable drug response prediction. The graph structure of the drug is modeled using a three-layer Graph Convolutional Network (GCN), and chemical fingerprints are compressed using M
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.
Characteristics of the mandible structures have been relevant in anthropological and forensic studies for sex prediction. This study aims to evaluate the coronoid process, condyle, and sigmoid notch patterns in sex prediction through supervised machine learning algorithms. Cephalometric radiographs from 410 dental records of patients were screened to investigate the morphology of the coronoid process, condyle, and sigmoid notch and the Co-Gn distance. The following machine learning algorithms were used to build the predictive models: Decision Tree, Gradient Boosting Classifier, K-Nearest Neigh
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: Poststroke dysphagia is a common condition that can lead to complications such as aspiration pneumonia and malnutrition, significantly affecting the quality of life. Most patients recover their swallowing function spontaneously, but in others difficulties persist beyond six months. Can we predict this in advance? On the other hand, there have been recent attempts to use machine learning to predict disease prognosis. Therefore, this study aims to investigate whether machine learning can predict the long-term prognosis for poststroke dysphagia using early videofluoroscopic swallowing
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: Cycloplegic refraction remains the gold standard for assessing refractive error in children, yet its application in large-scale screening is limited. Machine learning offers a promising approach for screening and triage by leveraging non-cycloplegic data for refractive classification. METHODS: This study utilized a multicenter dataset comprising 54,374 participants aged 5–18 years from ten provincial-level administrative divisions (PLADs) across China. We developed and validated four machine learning models (LightGBM, XGBoost, Random Forest, and MLP) and a multinomial logistic regr
СтатьяМногоцентровое 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: Multiple myeloma (MM) is a hematopoietic system malignancy characterized by clonal proliferation of abnormal plasma cells, commonly presenting with renal impairment (RI) that significantly impacts patient's quality of life. The objective of this study was to develop a predictive model for assessing the risk of MM with RI.
METHODS: This retrospective study included 1029 patients with MM, who were categorized into two groups: MM without RI group and MM with RI group. Specifically, the modeling dataset (Cohort 1) consisted of 792 patients (401 without RI and 391 with RI), and the val
СтатьяВалидационное 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.
PURPOSE: Our study aims to develop a machine learning model that not only predicts the occurrence of post-induction hypotension (PIH) but also assesses its severity, addressing a broader patient population than previous studies which mostly focused on a single population.
MATERIALS AND METHODS: In our study, we extracted data from 71473 patients aged 18 years and older who underwent general anesthesia for non-cardiac surgery at a tertiary care hospital, using the electronic medical record system for modeling. We used patient demographics, baseline and pre-induction blood pressure, preoperativ
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.
OBJECTIVE: Preeclampsia is a major cause of maternal and perinatal morbidity and mortality. Early identification of women at high risk is essential for timely prevention and improved outcomes. METHODS: In this study, clinical data as well as ultrasound examination results from 404 pregnant women, among whom 45 suffered and 359 did not suffer from preeclampsia, were retrospectively analyzed. Independent predictors were found via multivariable logistic regression. With these predictors, four classification models involving logistic regression, support vector machine, random forests, and extreme
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.
This study examined factors associated with sepsis in acute cholangitis and developed outcome-specific models for sepsis and mortality. We retrospectively analyzed data from 1,999 patients across two centers, including 1,561 admitted to general wards and 438 to the ICU. For each prediction task, the data were divided into training and internal-validation cohorts at a 7:3 ratio. Logistic regression (LR), random forest (RF), support vector machine (SVM), and Extreme Gradient Boosting (XGBoost) models were developed and compared, and Shapley Additive Explanations (SHAP) were used for interpretati
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.
INTRODUCTION: Early infant diagnosis of human immunodeficiency virus is essential for timely intervention and treatment of exposed infants. Traditional diagnostic approaches often face logistical and cost-related challenges, leading to delayed results and reduced healthcare efficiency. Machine learning provides a promising alternative, enabling earlier identification of at-risk infants and more efficient allocation of healthcare resources. METHODS: A cross-sectional study was conducted using early infant diagnosis data from the Amhara Public Health Institute, comprising 12,129 records with 12
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 nausea and vomiting are common complications after anesthesia. However, vomiting represents a clinically distinct and objectively measurable endpoint.
OBJECTIVE: This study aimed to develop and internally validate predictive models for postoperative vomiting within 24 hours using structured perioperative data and unstructured clinical text, while introducing a structured framework that separates feature construction from interpretability using large language models (LLMs).
METHODS: We analyzed 33,460 anesthesia records from a single center (2019-2022). Two temporall
СтатьяВалидационное исследованиеПоддержка 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.
Preeclampsia (PE) is a multifactorial and heterogeneous hypertensive disorder of pregnancy that poses significant diagnostic and therapeutic challenges. Identifying robust and generalizable biomarkers is critical for early detection and improved clinical outcomes. In this study, we present a machine learning-based framework for the analysis of gene expression profiles to uncover potential diagnostic biomarkers for PE. Multiple publicly available RNA-seq datasets were integrated, and differentially expressed genes (DEGs) were identified to construct a filtered gene subset. Using Recursive Featu
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.
Proteins and peptides hold immense promises for treating fatal and rare diseases. However, their complex structures and intrinsic instability pose significant challenges in drug development. The spray drying process offers a continuous and rapid method to stabilize these biomacromolecules, converting them from liquid to solid formulations. However, the spray drying process remains trial-and-error based, requiring extensive resources. This study employs machine learning (ML) algorithms to predict key properties of spray-dried protein and peptide powders, including yield, particle size, residual
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: Deep vein thrombosis (DVT) is a common complication of acute ischemic stroke (AIS) and may worsen clinical outcomes, yet reliable tools for early risk stratification remain limited. We aimed to develop and internally evaluate machine learning models for predicting in-hospital DVT in patients with AIS.
METHODS: We conducted a secondary analysis of a publicly available multicenter retrospective dataset including 21,459 patients with AIS. The primary outcome was imaging-confirmed in-hospital DVT. Participants were stratified according to DVT status and randomly divided into a trainin
СтатьяМногоцентровое 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.
BACKGROUND: Accurate prediction of therapeutic pressure for Continuous Positive Airway Pressure (CPAP) therapy is essential for effective treatment of Obstructive Sleep Apnea (OSA). Existing methods often rely on complex sleep-related parameters and small sample sizes, limiting their generalizability. This study aims to develop a more accessible, data-driven model using readily available demographic and physiological variables to predict CPAP pressure, improving both accuracy and scalability.
METHODS: We employed a machine learning approach, integrating decision trees, gradient boosting algor
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: Cardiovascular-kidney-metabolic (CKM) syndrome imposes a substantial global burden, yet most studies reduce stage change to a binary outcome that cannot distinguish clinically meaningful trajectories. This study developed and externally validated a multiclass machine learning framework for predicting CKM stage trajectories.
METHODS: A longitudinal cohort of 2,971 adults with baseline CKM stages 0-3 was used for development, with trajectories classified as Improvement, Stable, Mild Progression and Rapid Progression. Six algorithms were compared by Macro-AUC and decision curve analy
СтатьяВалидационное 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.
Early prediction of brain aneurysm rupture is critical, as it enables timely clinical interventions and avoid the significant morbidity and mortality associated with subarachnoid hemorrhage. Anterior communicating artery aneurysm (ACoA) is the most common site of ruptured intracranial aneurysms. In this study, we developed a machine learning (ML) pipeline that uses demographic, clinical data and morphological measurements to predict rupture risk of ACoA, providing a non-invasive and cost-effective decision-support approach based on documented clinical and imaging-derived morphologic variables.
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: Dengue fever remains a critical public health challenge in Thailand, with transmission dynamics driven by complex interactions between environmental and socioeconomic factors. Understanding these predictive factors is essential for developing robust forecasting systems.
METHODS: We developed a machine learning framework to classify spatiotemporal dengue risk and identify key predictive factors across Thailand. We analyzed 20 years of monthly dengue hemorrhagic fever surveillance data (2003-2022) from 77 provinces, integrating 54 environmental, climatic, and socioeconomic features.
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.