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
4036 публикаций
Поиск: 335 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 376 с найденным полным текстом
L-3,4-dihydroxyphenylalanine (L-DOPA), a key phytochemical with therapeutic significance in Parkinson's disease management, is naturally abundant in Vicia faba L. (Faba bean) tissues. The present study developed and optimized a green extraction protocol for L-DOPA from Faba bean leaf tissues using a systematic multi-factor experimental design encompassing extraction medium (11 levels), solid-to-liquid (S/L) ratio (1:25-1:100 w/v), pre-treatment method (sonication vs. rotospin), and extraction time (10-30 min). A total of 792 observations were generated in biological triplicates. Four machine l
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.
Fengxiang Taibai baijiu (FTB) fermentation involves complex microbial interactions that critically influence aroma formation; however, the efficient selection of high ester-producing yeasts and the prediction of their fermentation performance remain challenging. In this study, yeasts were systematically isolated from different stages of FTB fermentation and evaluated using a combination of fermentation experiments and machine learning approaches. A total of 156 strains were obtained, among which seven Wickerhamomyces anomalus strains exhibited high ester-producing capacity (> 1.15 g/L). Among
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: Monoclonal immunoglobulin (MIg)-related disorders are clonal plasma cell diseases defined by aberrant MIg overproduction, typically presenting with subtle, non-specific manifestations that lead to underrecognition in routine clinical practice, delayed diagnosis, and subsequent irreversible organ damage and poor outcomes.
METHODS: To address this critical gap and facilitate timely MIg diagnosis, we developed and compared eight machine learning models using clinical and routine laboratory data. Cohort 1 (n=5018) included patients undergoing their first serum immunofixation electroph
СтатьяМногоцентровое исследованиеВалидационное 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.
OBJECTIVE: Cardiac surgery carries a significant risk of complications and mortality. Artificial intelligence (AI), particularly machine learning (ML), is increasingly being explored to enhance perioperative risk prediction and support clinical decision-making. This systematic review evaluates the clinical applications, predictive performance, and limitations of AI models in cardiac surgery.
METHODS: PubMed and Embase were searched for studies published between January 2020 and July 2025. Of 939 records identified, 178 studies met the inclusion criteria following screening and full-text revie
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.
Diabetes mellitus is associated with increased skeletal fragility and elevated fracture risk; however, early identification of osteoporosis (OP) in diabetic populations remains challenging. This study aimed to develop and compare multiple machine-learning (ML) models for predicting OP among patients with diabetes, while evaluating their clinical utility and enhancing model transparency using SHapley Additive exPlanations (SHAP). Using routinely collected demographic and laboratory data from the MIMIC-IV database, multiple ML algorithms, including tree ensembles, gradient boosting, and linear b
СтатьяVideo-Audio MediaПоддержка 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: Type 2 diabetes mellitus (T2DM) is a major global public health challenge, with many individuals remaining undiagnosed until complications develop. Machine learning (ML)-based risk prediction models have the potential to support early identification of individuals at increased risk using primary care data. However, the characteristics and applicability of these models within primary care settings have not been comprehensively mapped.
OBJECTIVE: To systematically map the available evidence on machine learning (ML)-based models for risk prediction, early detection, and case-finding
СтатьяScoping ReviewОбзорПолный 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.
Delirium is a common and severe complication of sepsis in critically ill patients and is associated with increased mortality and prolonged hospitalization. Early identification of high-risk individuals remains challenging, particularly among non-mechanically ventilated patients who are less frequently represented in prediction studies. Using routinely collected electronic health record data, we performed a retrospective multicenter study to establish and validate an early prediction model for delirium in non-mechanically ventilated adults with sepsis. Patients from the MIMIC-IV database were u
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.
OBJECTIVE: This study compared the performance of different machine learning models in predicting in-hospital mortality in patients hospitalized for heart failure.
METHODS: Demographic and clinical data of 229 patients were retrospectively reviewed for this study. The variables included age, sex, hypertension, diabetes, coronary artery disease, peripheral artery disease, chronic kidney failure, Charlson comorbidity index, and length of hospital stay. In-hospital mortality ("in-hospital death") was defined as the dependent variable. The machine learning methods used included logistic regressio
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.
Post-harvest losses are the most economically damaging phase of quality deterioration in the Egyptian strawberry export corridor. Egypt is the world's leading exporter of individually quick-frozen strawberries and a top-three supplier of fresh strawberries globally, yet substantial losses arise from cold chain failures, suboptimal packaging, and logistical inefficiencies. The objectives of this study are (1) to develop the first ML-based post-harvest loss prediction framework calibrated to Egyptian strawberry export conditions; (2) to benchmark four model architectures (Random Forest, eXtreme
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.
Zhonghua lao dong wei sheng zhi ye bing za zhi = Zhonghua laodong weisheng zhiyebing zazhi = Chinese journal of industrial hygiene and occupational diseases2026chi
Objective: To develop an interpretable machine learning model to predict the risk of respiratory failure in patients with pneumoconiosis. Methods: In February 2025, based on the retrospective West China Occupational Pneumoconiosis Cohort, 1367 hospitalized pneumoconiosis patients in West China Fourth Hospital of Sichuan University from January 1, 2012 to November 30, 2021 were selected as the research objects. Predictive variables were selected using least absolute shrinkage and selection operator (LASSO) -Cox regression. Four machine learning models, including random survival forest model (RS
Аннотация на английскомСтатьяПоиск 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: Severe disabling attacks neuromyelitis optica spectrum disorders (NMOSD) severely affect patients’ quality of daily life and life safety. METHODS: This retrospective study enrolled consecutive Chinese patients suffering from NMOSD who visited the China-Japan Friendship Hospital (Beijing, China) between October, 2010 and February, 2023. Correlation analysis was used to perform feature selection. The prediction model was constructed using the support vector machine (SVM) and extreme gradient boosting (XGBoost) algorithm. RESULTS: A total of 356 patients (mean [SD] age, 34.45[15.22] y
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.
Understanding how anthropogenic CO2 emissions (ACE) respond to large-scale systemic disruptions is essential for climate mitigation and environmental management. Here, we develop an interpretable machine learning framework that integrates an XGBoost model with SHAP (SHapley Additive exPlanations) to diagnose how the key drivers of the ACE inventory's spatiotemporal variability evolved in mainland China, using the COVID-19 period as a natural experiment. The framework reliably reproduces spatial and temporal patterns of the inventory and enables systematic diagnostic analysis of predictor impor
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.
Small reservoirs are critical for rural water security, yet their life-cycle carbon emissions remain poorly quantified due to extreme data scarcity and non-linear emission dynamics. Conventional Life Cycle Assessments (LCA) often rely on static assumptions, failing to capture complex multi-variable interactions. To overcome this, we propose an integrated stochastic framework coupling Environmentally Extended Input-Output LCA (EI-LCA) with Monte Carlo simulations, Extreme Gradient Boosting (XGBoost), and Shapley Additive Explanations (SHAP). Applied to the Huxingdi Reservoir in China, the frame
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.
Serum electrophoresis (SPEP) is a method used to analyze the distribution of the most important proteins in the blood. The major clinical question is the presence of monoclonal fraction(s) of antibodies (M-protein/paraprotein), which is essential for the diagnosis and follow-up of hematological diseases, such as multiple myeloma. Recent studies have shown that machine learning can be used to assess protein electrophoresis by, for example, examining protein glycan patterns to follow up tumor surgery. In this study we compared 26 different decision tree algorithms to identify the presence of M-p
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: Acute myocardial infarction (AMI) remains a leading cause of global morbidity and mortality, with early prediction critical for timely intervention. Traditional risk assessment tools are limited because of their reliance on limited variables and static thresholds. This study aims to develop an interpretable machine learning (ML) model using multidimensional clinical data for early AMI risk prediction.
METHODS: We performed a retrospective cohort study of 7939 patients enrolled from the second hospital of Shandong University from January 2020 to January 2024. A total of 108-dimensi
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.
Malignant intestinal obstruction (MIO) is a severe complication of advanced cancer. Traditional static assessment models struggle to capture its dynamic pathological mechanisms, limiting their clinical value. To address this, this study developed a multimodal machine learning framework. Core features (including the dynamic tumor enhancement ratio TER) were extracted via Lasso-Boruta dual-modality screening, and risk prediction was performed using an XGBoost-Random Survival Forest (RSF) cascade model. Results demonstrated an AUC of 0.84 ± 0.03 and Brier score of 0.19 in the internal validation
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.
Municipal solid waste (MSW) generation in university campuses across sub-Saharan Africa presents a critical management challenge and an underutilised energy recovery opportunity, compounded by structural information gaps including population undercounting and inadequate compositional data. This study applies an integrated machine learning (ML) framework to predict daily MSW generation, net calorific value (NCV), and electrical energy potential from primary empirical data collected at the University of Jos hostel complex, Nigeria. Four supervised regression algorithms - linear regression, rando
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: The relationship between dietary nutrient intake and metabolically healthy obesity (MHO) remains poorly understood. This study aimed to construct machine learning models to predict MHO based on dietary nutrient profiles and to identify the most influential nutrients contributing to this phenotype.
METHODS: Data were derived from the U.S. National Health and Nutrition Examination Survey (NHANES) 2005-2018. Forty-five dietary nutrients, along with demographic and lifestyle variables, were included in two predictive frameworks: a dietary-only model and a complete model. Feature preproce
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.
INTRODUCTION: Early identification of advanced chronic kidney disease (CKD), a condition accompanied by profound metabolic and endocrine disturbances, is essential for timely nephrology referral and intervention. However, widely used risk equations often require albuminuria or repeated measurements that are not consistently available in routine clinical practice.
METHODS: We retrospectively analyzed adult patients from three different departments affiliated to one university, including two independent hospitals and a clinic department. Routinely collected demographic, clinical, and metabolic
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.
Urinary extracellular vesicles (uEVs) are promising biomarkers for prostate cancer (PCa). Although novel uEV-based biomarkers have advanced early diagnosis, their detection processes remain cumbersome and cost-prohibitive. The physical parameters of uEVs offer untapped predictive potential for PCa, providing a more convenient, rapid, and cost-effective diagnostic approach. This study aims to construct a predictive model integrating uEV physical parameters with machine learning (ML) algorithms to enhance the early diagnosis of PCa. Urine samples were collected from 222 eligible participants. uE
СтатьяВалидационное 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.