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
21241 публикаций
Поиск: 169 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1553 с найденным полным текстом
BMC medical informatics and decision making2021eng
BACKGROUND: Dengue fever is a widespread viral disease and one of the world's major pandemic vector-borne infections, causing serious hazard to humanity. The World Health Organisation (WHO) reported that the incidence of dengue fever has increased dramatically across the world in recent decades. WHO currently estimates an annual incidence of 50-100 million dengue infections worldwide. To date, no tested vaccine or treatment is available to stop or prevent dengue fever. Thus, the importance of predicting dengue outbreaks is significant. The current issue that should be addressed in dengue outbr
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.
Handwriting is a preferred identifier in detecting Alzheimer's disease that enables diagnosis about people. The aim of this study is to evaluate the handwriting and make the early detection and diagnosis of Alzheimer's disease with the highest possible prediction rates. In this regard, 9 machine learning algorithms were used. Seven feature selection methods were used to determine the most effective features for Alzheimer's disease prediction to eliminate unnecessary ones and increase model prediction performance. The models were trained and tested on the DARWIN dataset with both train - test s
СтатьяВалидационное 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.
MOTIVATION: Antimicrobial resistance (AMR) is one of the biggest global problems threatening human and animal health. Rapid and accurate AMR diagnostic methods are thus very urgently needed. However, traditional antimicrobial susceptibility testing (AST) is time-consuming, low throughput and viable only for cultivable bacteria. Machine learning methods may pave the way for automated AMR prediction based on genomic data of the bacteria. However, comparing different machine learning methods for the prediction of AMR based on different encodings and whole-genome sequencing data without previously
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: Conventional risk score for predicting in-hospital mortality following Acute Coronary Syndrome (ACS) is not catered for Asian patients and requires different types of scoring algorithms for STEMI and NSTEMI patients.
OBJECTIVE: To derive a single algorithm using deep learning and machine learning for the prediction and identification of factors associated with in-hospital mortality in Asian patients with ACS and to compare performance to a conventional risk score.
METHODS: The Malaysian National Cardiovascular Disease Database (NCVD) registry, is a multi-ethnic, heterogeneous dat
СтатьяПоддержка 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.
INTRODUCTION: There are substantial gaps in our understanding of dental caries in primary and permanent dentition and various predictors using newer modeling methods such as Machine Learning (ML) algorithms and Artificial Intelligence (AI). The objective of this study is to compare the accuracy, precision, and differences between the caries predictive capability of AI vs. traditional multivariable regression techniques.
METHODS: The study was conducted using secondary data stored in the Temple University Kornberg School of Dentistry electronic health records system (axiUm) of pediatric patien
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: Environmental exposures are implicated in diabetes etiology, but are poorly understood due to disease heterogeneity, complexity of exposures, and analytical challenges. Machine learning and data mining are artificial intelligence methods that can address these limitations. Despite their increasing adoption in etiology and prediction of diabetes research, the types of methods and exposures analyzed have not been thoroughly reviewed.
OBJECTIVE: We aimed to review articles that implemented machine learning and data mining methods to understand environmental exposures in diabetes etio
СтатьяПоддержка NIH: внешняя программаScoping ReviewПоиск 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.
OBJECTIVES: To explore machine-learning applications in myopia prediction and analyze the influencing factors of myopia.
METHODS: Stratified cluster random sampling was used to select elementary school students in Shenzhen, China for inclusion in this case-control study. Myopia screening, ocular biological parameter measurements, and questionnaires were conducted. Random forest (RF), decision tree (DT), extreme gradient boosting trees (XGBoost), support vector machine (SVM), and logistic regression (LR) algorithms were used to construct five myopia prediction models using R software (version
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.
Introduction Ventricular shunting remains the standard of care for patients with idiopathic normal pressure hydrocephalus (iNPH); however, not all patients benefit from the shunting. Prediction of response in advance can result in improved patient selection for ventricular shunting. This study aims to develop a machine learning predictive model for treatment response after shunt placement using the clinical and radiomics features. Methods In this retrospective pilot study, the medical records of iNPH patients who underwent ventricular shunting were evaluated. In each patient, the "idiopathic n
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 absolute number of femoral neck fractures (FNFs) is increasing; however, the prediction of traumatic femoral head necrosis remains difficult. Machine learning algorithms have the potential to be superior to traditional prediction methods for the prediction of traumatic femoral head necrosis.
OBJECTIVE: The aim of this study is to use machine learning to construct a model for the analysis of risk factors and prediction of osteonecrosis of the femoral head (ONFH) in patients with FNF after internal fixation.
METHODS: We retrospectively collected preoperative, intraoperative, an
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.
Although rare overall, salivary gland carcinomas (SGCs) are among the most common oral and maxillofacial malignancies. The aim of this study was to develop a machine learning-based model to predict the survival of patients with SGC. Patients in whom SGC was confirmed by histological testing and who underwent primary extirpation at the authors' institution between 1963 and 2014 were identified. Demographic and clinicopathological data with complete follow-up information were collected for analysis. Feature selection methods were used to determine the correlation between prognosis-related factor
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: Attrition is an important problem in clinical practice and research. However, the predictors of dropping out from cognitive behavioral therapy (CBT) for panic disorder (PD) are not fully understood. In this study, we aimed to build a dropout prediction model for CBT for PD using machine learning (ML) algorithms.
METHODS: We treated 208 patients with PD applying group CBT. From baseline data, the prediction analysis was carried out using two ML algorithms, random forest and light gradient boosting machine. The baseline data included five personality dimensions in NEO Five Factor In
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: The high prevalence of cognitive impairment (CI) in Chronic kidney disease (CKD) patients impacts their quality of life and prognosis, yet risk prediction models for CI in this population remain underexplored.
OBJECTIVE: This study aimed to develop a risk prediction model for CI in CKD patients using machine learning algorithms, with the objective of enhancing risk prediction accuracy and facilitating early intervention.
METHODS: A total of 415 CKD patients from the 2015 China Health and Retirement Longitudinal Survey (CHARLS) dataset were included in this study. Participants wer
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: Intensive care unit (ICU)-acquired weakness (ICUAW) is a prevalent complication in critically ill patients, marked by symmetrical respiratory and limb muscle weakness, which adversely affects long-term outcomes. Early identification of high-risk patients and prevention are essential to mitigate its impact. Traditional risk prediction models, based on cohort data, have limitations in addressing the complex, non-linear relationships among diverse risk factors due to patient heterogeneity and the dynamic nature of critical illness. Machine learning offers a promising alternative by in
СтатьяВалидационное 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: Accurate postoperative mortality prediction of geriatric hip fracture patients is an important but challenging task. However, due to the influence factors, such as differences in medical care and patients' contraindications, the clinical data from different centers is often incomplete and has very poor consistency. Therefore, this paper aims at building a robust multi-center postoperative mortality prediction model prior to surgery even with aforementioned "dirty data" problems.
METHOD: A total of 744 geriatric hip fracture patients from three different medical centers were includ
СтатьяМногоцентровое исследованиеПолный 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: Cardiovascular diseases remain the leading cause of death globally, with 80% of deaths occurring in low- and middle-income countries. Despite advancements in cardiac surgery, access to care remains limited in low- and middle-income countries and remote settings in high-income countries. Artificial intelligence and machine learning have the potential to democratize cardiac surgery access by reducing dependence on geography, while improving diagnostics, surgical planning, and peri- and postoperative care. This scoping review explores the application of artificial intelligence/machine
Редакционная 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: Accurate, cheap, and easy to promote methods for dementia prediction and early diagnosis are urgently needed in low- and middle-income countries. Integrating various cognitive tests using machine learning provides promising solutions. However, most effective machine learning models are black-box models that are hard to understand for doctors and could hide potential biases and risks.
OBJECTIVE: To apply cognitive-test-based machine learning models in practical dementia prediction and diagnosis by ensuring both interpretability and accuracy.
METHODS: We design a framework adopting
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.
PURPOSE: To develop and evaluate a machine learning (ML) model to predict postoperative vault and residual refractive error following Implantable Collamer Lens (ICL) implantation by incorporating corneal functional parameters, and to investigate their influence on prediction accuracy.
METHODS: This study included 282 eyes implanted with ICLs from 142 patients. A Marine Predators Algorithm combined with a support vector machine (MPA-SVM) for feature selection and optimal modeling was trained to predict postoperative vault residual refractive error using preoperative ocular parameters, with and
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: Precise prediction of hospital stay duration is essential for maximizing resource utilization during surgery. Existing lumbar spinal stenosis (LSS) surgery prediction models lack accuracy and generalizability. Machine learning can improve accuracy by considering preoperative factors. This study aimed to develop and validate a machine learning-based model for estimating hospital stay duration following decompression surgery for LSS.
METHODS: Data from 848 patients who underwent decompression surgery for LSS at three hospitals were examined. Twelve prediction models, using 79 preo
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.
European archives of oto-rhino-laryngology : official journal of the European Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head and Neck Surgery2026eng
INTRODUCTION: Nasopharyngeal carcinoma (NPC) is rare in Europe, and emerging data suggest poorer outcomes in Caucasian patients compared with Asian populations, highlighting the need for region-specific prognostic tools. Inflammation-based biomarkers and artificial intelligence show promise for risk stratification and prediction of survival and second primary cancers (SPCs).
MATERIALS AND METHODS: We conducted a retrospective multicentre study including 405 NPC patients from six European institutions. Demographic, clinicopathological, and haematologic inflammatory markers were collected, and
СтатьяМногоцентровое исследованиеПолный 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: Previous models for predicting delirium after cardiac surgery remained inadequate. This study aimed to develop and validate a machine learning-based prediction model for postoperative delirium (POD) in cardiac valve surgery patients.
METHODS: The electronic medical information of the cardiac surgical intensive care unit (CSICU) was extracted from a tertiary and major referral hospital in southern China over 1 year, from June 2019 to June 2020. A total of 507 patients admitted to the CSICU after cardiac valve surgery were included in this study. Seven classical machine learning alg
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.