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: 1682 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2553 с найденным полным текстом
BACKGROUND: Ischemia-reperfusion injury (IRI) is closely associated with numerous severe postoperative complications, including acute rejection, delayed graft function (DGF) and graft failure. Macrophages are central to modulating the aseptic inflammatory response during the IRI process. The objective of this study is to conduct an analysis of the developmental and differentiation characteristics of macrophages in IRI, identify distinct molecules subtypes of IRI, and establish robust predictive strategies for DGF and graft survival.
METHOD: We analyzed scRNA-Seq data from GEO database to iden
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.
BACKGROUND: Machine learning (ML) has been widely applied to predict the outcomes of numerous diseases. The current study aimed to develop a prognostic prediction model using machine learning algorithms and identify risk factors associated with residual back pain in patients with osteoporotic vertebrae compression fracture (OVCF) following percutaneous vertebroplasty (PVP).
METHODS: A total of 863 OVCF patients who underwent PVP surgery were enrolled and analyzed. One month following surgery, a Visual Analog Scale (VAS) score of ≥ 4 was deemed to signify residual low back pain following the o
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.
Herpes zoster (HZ) is a localized, painful cutaneous eruption that occurs upon reactivation of the herpes virus. Postherpetic neuralgia (PHN) is the most common chronic complication of HZ. In this study, we examined the metabolomic and proteomic signatures of disease progression in patients with HZ and PHN. We identified differentially expressed metabolites (DEMs), differentially expressed proteins (DEPs), and key signaling pathways that transition from healthy volunteers to the acute or/and chronic phases of herpetic neuralgia. Moreover, some specific metabolites correlated with pain scores,
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.
Human-induced global warming, primarily attributed to the rise in atmospheric CO2, poses a substantial risk to the survival of humanity. While most research focuses on predicting annual CO2 emissions, which are crucial for setting long-term emission mitigation targets, the precise prediction of daily CO2 emissions is equally vital for setting short-term targets. This study examines the performance of 14 models in predicting daily CO2 emissions data from 1/1/2022 to 30/9/2023 across the top four polluting regions (China, India, the USA, and the EU27&UK). The 14 models used in the study include
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 air quality index (AQI), based on criteria for air contaminants, is defined to provide a shared vision of air quality. As air pollution continues to rise in global cities due to urbanization and climate change, air pollution monitoring and forecasting models for effective air quality monitoring that gather and forecast information about air pollution concentration are essential in every city. Air quality predictions have evolved to be more helpful for management. Recently, better performance and ability have developed due to the involvement of machine learning (ML) and artificial intellige
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: Catheter-related thrombosis (CRT) is a serious complication in cancer patients undergoing chemotherapy, yet existing risk prediction models demonstrate limited accuracy. This study aimed to evaluate the clinical utility of machine learning (ML) and Bayesian-learning models for CRT prediction in a large cohort of breast cancer patients undergoing catheterization.
METHODS: A total of 3337 breast cancer patients with central venous catheters (Cohort 1) were included to develop and test ML models. Given the suboptimal clinical feasibility of ML models, the Bayesian-learning model was
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: Digital breast tomosynthesis (DBT) is a valuable imaging modality for breast cancer detection; however, its interpretation remains time-consuming and subject to inter-reader variability. This study aimed to develop and evaluate two deep learning (DL) models based on transfer learning for the binary classification of breast lesions (benign vs. malignant) using DBT images to support clinical decision-making and risk stratification. Methods: In this retrospective monocentric study, 184 patients with histologically or clinically confirmed benign (107 cases, 41.8%) or malignant (77 case
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
СтатьяКомментарийПолный 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: Although many risk prediction models have been developed, very few undergo external validation, primarily due to issues with data access. Therefore, we implemented a reciprocal model-exchange approach to facilitate external validation and demonstrate its use with gestational diabetes mellitus (GDM) prediction models.
OBJECTIVE: To assess the robustness and generalisability of two independently developed GDM risk prediction models using a reciprocal model-exchange framework.
METHODS: Two independently developed GDM risk prediction models were externally validated using a reciproca
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.
Nonlinear mixed effect (NLME) models are the gold standard for the analysis of patient response following drug exposure. However, these types of models are complex and time-consuming to develop. There is great interest in the adoption of machine-learning methods, but most implementations cannot be reliably extrapolated to treatment strategies outside of the training data. In order to solve this problem, we propose the deep compartment model (DCM), a combination of neural networks and ordinary differential equations. Using simulated datasets of different sizes, we show that our model remains ac
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.
BACKGROUND: Machine learning models are increasingly used to predict patients at risk of high health care usage for targeted interventions.
OBJECTIVE: This study aimed to evaluate the predictive performance of multiclass ensemble models across different levels of health care usage and assess their potential application through real-world economic impact analysis.
METHODS: A total of 4 previously developed binary classification models (base learners)-boosted trees, multivariate adaptive regression splines, multilayer perceptron, and logistic regression-were extended using a stacking ensemble
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.
PURPOSE: This study develops and compares population pharmacokinetics (PopPK) models and machine learning methods, including neural networks, to predict steady-state trough concentrations in pediatric patients and provide improved dosing recommendations.
METHODS: Valproic acid concentration data were collected from 490 pediatric epilepsy patients treated at Beijing Tiantan Hospital and Beijing Children's Hospital. We developed predictive models employing PopPK, maximum a posteriori Bayesian (MAPB), multiple linear regression (MLR), machine learning (including Random Forest, XGBoost, and Light
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: Secondary mitral regurgitation (SMR) is a common condition, with typical treatment options including conventional medical therapy and the latest transcatheter edge-to-edge repair. However, there is currently a lack of sufficient guidance on how to select the appropriate treatment approach for SMR patients. SMR is a common condition secondary to ischemic or non-ischemic heart failure, surgical or interventional therapy is preserved for those patients who showed no improvement after tailored guideline-directed medical therapy (GDMT) for heart failure.
OBJECTIVE: Our goal is to devel
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.
OBJECTIVES: Microvascular free tissue transfer is the primary reconstructive method in patients with complex defects of the head and neck. Defect site complications vary; incidence ranges from 15% to 70%. The use of machine learning via mutual information analysis has recently been described in the context of head and neck cancer, but this does not distinguish between causal relationships. The current study explores the first causal machine learning model to predict surgical outcomes in patients undergoing head and neck microvascular reconstruction.
METHODS: A retrospective chart review was 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.
BACKGROUND: Previous studies have shown a higher prevalence of Metabolic Dysfunction-Associated Steatotic Liver Disease (MASLD) in individuals with gallstones, as both conditions share common risk factors, including hyperlipidemia, obesity, physical inactivity, and diabetes. This study aimed to develop and validate a machine learning (ML)-based model for predicting MASLD risk in gallstone patients.
METHODS: A multicenter retrospective cross-sectional study was conducted, enrolling 390 gallstone patients from the Guanggu Branch of our hospital (January 2023-August 2025) as the internal cohort
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.
OBJECTIVE: To summarize the current production and release trends of medical science popularization videos, analyze the effect of non-medical factors on their spread, and develop dissemination-prediction models using machine learning (ML) algorithms.
METHODS: We identified a sample of medical science popularization videos on TikTok (n = 566), Bilibili (n = 50), Xiaohongshu (n = 54), and International TikTok (n = 46) platforms. Thirty six non-medical features were annotated as predictor variables, with "Thumb-Up," "Comment," "Share" and "Collection" as outcomes. Fifteen algorithms models were
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: Immune checkpoint inhibitor (ICI) therapy has significantly improved treatment outcomes for various cancers by enhancing T cell-mediated anti-tumor immune responses. However, accurately predicting patient response to ICI treatment remains a major challenge due to the risk of immune-related adverse events. Microsatellite instability (MSI), as an important molecular biomarker characterized by high mutation rates and abundant tumor neoantigen production, has been demonstrated to effectively predict clinical benefits from immunotherapy. In gastric adenocarcinoma (STAD) patients, approx
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: Multiple system atrophy (MSA) is a fatal neurodegenerative disease with highly variable progression and poor prognosis. This study aimed to characterize survival patterns, identify prognostic factors, and develop an interpretable machine learning model for individualized survival prediction in MSA.
METHODS: In this multicenter longitudinal cohort study, 391 MSA patients were analyzed. Prognostic factors were identified using Kaplan-Meier and Cox regression analyses. Six survival models were trained with five-fold cross-validation, with Shapley Additive Explanations (SHAP) being us
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: Medication harm is a significant healthcare challenge in hospitalised adult patients. Machine learning (ML) approaches offer the potential to improve prediction accuracy for medication harm by capturing complex relationships among clinical risk factors that traditional statistical models may not detect.
OBJECTIVE: To develop and evaluate ML models for predicting medication harm in hospitalised adult patients.
DESIGN: ML study involving secondary use of a prospectively collected hospital cohort dataset.
METHODS: This study used data from 279 adult patients admitted to general med
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: Gemcitabine is an important chemotherapeutic agent that suffers from poor bioavailability and drug resistance. Although the nanocomposite delivery systems are highly promising, their optimization for efficient therapy is quite challenging because of complex design parameters involved.
METHODS: A dataset consisting of more than fifty gemcitabine nanocomposites is used in the present work. We developed prediction models using well-known machine learning algorithms, such as Random Forest and XGBoost, besides a new physics-informed machine learning approach that incorporated drug rele
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.