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
35037 публикаций
Поиск: 356 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2553 с найденным полным текстом
A 5 nm thick polycrystalline Ni81Fe19 film was sputter-deposited onto a circular 3-inch diameter, 390 μm thick single-crystal wafer with SiO2 surface layers. The magnetoresistance (MR) of the sample was analyzed as a function of applied DC magnetic field and temperature using the Van der Pauw technique. Magnetic measurements were carried out over a temperature range of 25 °C to 350 °C using a Lake Shore Hall Effect Measurement System (HEMS). An external magnetic field ranging from +14 kG to -14 kG was applied at each temperature value to observe changes in resistance. Hall coefficients and res
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: Cholangiocarcinoma (CCA) poses a significant public health challenge in Thailand, with notably high incidence rates. This study aimed to compare the performance of spatial prediction models using Machine Learning techniques to analyze the occurrence of CCA across Thailand.
METHODS: This retrospective cohort study analyzed CCA cases from four population-based cancer registries in Thailand, diagnosed between January 1, 2012, and December 31, 2021. The study employed Machine Learning models (Linear Regression, Random Forest, Neural Network, and Extreme Gradient Boosting (XGBoost)) to
СтатьяСравнительное 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.
OBJECTIVES: Cholestasis in infancy poses a complex clinical conundrum for pediatric hepatologists, warranting timely diagnosis, especially for genetic diseases. This study aims to create machine learning (ML)-based prediction models, referred to as Jaundice Diagnosis Easy for Baby (JADE-B), to identify the subjects prone to genetic causes of cholestasis.
METHODS: We retrieved patient data from the Integrated Medical Database at a university-affiliated tertiary medical center from 2006 to 2018. Patients with cholestatic disease were identified using liver-disease-specific International Classif
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: Parkinson's Disease (PD) is a chronic, progressive neurological disorder with significant clinical and economic impacts globally. Early and accurate prediction remains challenging with traditional diagnostic methods due to subjectivity, delayed diagnosis, and variability. Machine Learning (ML) approaches offer potential solutions, yet their clinical adoption is hindered by limited interpretability. This study aimed to develop an interpretable ML model for early and accurate PD prediction using comprehensive multimodal datasets and Explainable Artificial Intelligence (XAI) technique
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.
PURPOSE: To investigate the clinical and ultrasonographic characteristics of pyogenic liver abscess (PLA) caused by Klebsiella pneumoniae (K-PLA) and non-Klebsiella pneumoniae pathogens, and to develop machine learning models for the differential diagnosis of K-PLA.
MATERIALS AND METHODS: In this retrospective study, patients clinically diagnosed with PLA and confirmed by ultrasound-guided puncture at the Fifth Medical Center of PLA General Hospital between April 2013 and December 2020 were enrolled. Based on the causative pathogens, patients were categorized into K-PLA and non-K-PLA groups.
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.
PURPOSE: To use transfer learning to predict Intensive Care Unit admission (ICU) for COVID-19 patients in a multicenter setting.
METHODS: We trained XGBoost algorithms using demographic and laboratory predictors recorded during hospital admissions across 12 hospitals. Our goal was to identify the best-performing hospital and evaluate its generalization capacity through external validation in the other 11 hospitals. Additionally, this best-performing hospital served as the source domain for transfer learning and was fine-tuned by incorporating new decision trees trained with local data from ea
СтатьяМногоцентровое исследованиеПоддержка 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.
Facioscapulohumeral muscular dystrophy (FSHD) is a genetic neuromuscular disorder characterized by progressive muscle degeneration with substantial variability in severity and progression patterns. FSHD is a highly heterogeneous disease; however, current clinical metrics used for tracking disease progression lack sensitivity for personalized assessment, which greatly limits the design and execution of clinical trials. This study introduces a multi-scale machine learning framework leveraging whole-body magnetic resonance imaging (MRI) and clinical data to predict regional, muscle, joint, and fu
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: Liver transplantation is essential for many people with primary sclerosing cholangitis (PSC). People with PSC are less likely to receive a deceased donor liver transplant compared with other causes of chronic liver disease. This disparity may stem from the inaccuracy of the model for end-stage liver disease (MELD) in predicting waitlist mortality or dropout for PSC. The broad applicability of MELD across many causes comes at the expense of accuracy in prediction for certain causes that involve unique comorbidities. We aimed to develop a model that could more accurately predict dyna
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: Currently high-intensity focused ultrasound (HIFU) is widely used to treat uterine fibroids (UFs). The aim of this study is to develop a machine learning model that can accurately predict the efficacy of HIFU ablation for UFs, assisting the preoperative selection of suitable patients with UFs.
METHODS: This study collected data from 1,000 patients with UFs who underwent ultrasound-guided high-intensity focused ultrasound. The least absolute shrinkage and selection operator (LASSO) regression was used for multidimensional feature screening. Five machine learning algorithms such as
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.
BACKGROUND: Diabetic foot ulcer (DFU) is a severe complication of diabetes mellitus, often characterized by a chronic disease course and a high recurrence rate, posing significant challenges to patient management. Accurately predicting DFU recurrence is essential for enhancing patient care and outcomes through timely treatment and intervention. This study aimed to develop a machine learning (ML) model to predict the 3-year recurrence risk in patients with DFU.
METHODS: A total of 494 patients with DFU were included and assigned to a training set and a test set at a 4:1 ratio. Four feature sel
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: This study aimed to evaluate the feasibility of large language model-Advanced Data Analysis (ADA) in developing and implementing machine learning models to predict survival outcomes for lung cancer patients, with a focus on its implications for nursing practice.
METHODS: A retrospective study design was employed using a dataset of lung cancer patients. Data included sociodemographic, clinical, treatment-specific, and comorbidity variables. Large language model-ADA was used to build and evaluate three machine learning models. Model performance was validated, and results were present
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.
Accurate solubility prediction in supercritical carbon dioxide (scCO2) is crucial for optimizing experimental design by eliminating unnecessary and costly trials at an early stage, thereby streamlining the workflow. A comprehensive solubility database containing 31,975 records has been compiled, providing a foundation for developing predictive models applicable to a diverse class of chemical compounds, with a particular focus on drug-like substances. In this study, we propose a domain-aware machine learning approach that incorporates thermodynamic properties governing phase transitions to solu
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 aim of this study was to develop a machine learning (ML) model for classifying osteoporosis in Korean women based on a large-scale population cohort study. This study also aimed to assess ML model performance compared with traditional osteoporosis screening tools. Furthermore, this study aimed to examine the factors influencing the risk of osteoporosis through variable importance.
METHODS: Data was collected from 4199 women aged 40-69 years in the baseline survey of the Ansan and Ansung cohort of the Korean Genome and Epidemiology Study. Osteoporosis was set as the dependent v
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.
MOTIVATION: Bioprinting enables the creation of complex tissue scaffolds, which are vital for tissue engineering. However, predicting scaffold biocompatibility before fabrication remains a critical challenge, potentially leading to inefficiencies and resource wastage. Artificial Intelligence (AI) models, particularly Artificial Neural Networks (ANNs) and Convolutional Neural Networks (CNNs), offer promising predictive capabilities to address this issue. This study aims to compare the performance of ANN and CNN models to identify the most suitable approach for predicting scaffold biocompatibili
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.
BACKGROUND: Early sepsis diagnosis is essential for initiating prompt treatment, preventing the progression of organ failure, and improving the survival rate of critically ill children. The aim of this study was to develop and validate a machine learning sepsis prediction model for patients admitted to a pediatric intensive care unit (PICU) who met the Phoenix Sepsis Score Criteria using EMR data.
METHODS: Data were obtained from two PICUs within the same healthcare system. Readily available variables were used to develop and validate machine learning models predicting the onset of sepsis in
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: Perioperative neurocognitive disorder (PND) is a common complication that significantly increases patient mortality and healthcare burden. Existing predictive models lack standardisation and personalisation, especially for elderly patients undergoing non-cardiac elective surgery.
METHODS: This study first identified 13 key feature variables through LASSO regression and then constructed ten machine learning prediction models based on this subset of variables. Model performance was validated via ROC/AUC and decision curve analysis. SHAP interpreted the optimal model, enabling develo
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.
OBJECTIVE: To construct machine learning prediction model for sepsis-associated encephalopathy (SAE), and analyze the application value of the model on early identification of SAE risk in elderly septic patients.
METHODS: Patients aged over 60 years with a primary diagnosis of sepsis admitted to intensive care unit (ICU) from 2008 to 2023 were selected from Medical Information Mart for Intensive Care-IV 2.2 (MIMIC-IV 2.2). Demographic variables, disease severity scores, comorbidities, interventions, laboratory indicators, and hospitalization details were collected. Key factors associated with
Аннотация на английскомСтатьяПолный 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: The age-related decline of fertility is caused by a reduction of the ovarian reserve, which is represented by the number and quality of oocytes in the ovaries. Anti-Müllerian hormone (AMH) is considered one of the most useful markers of the quantity of the ovarian reserve; however, a more accurate prediction method is required. Furthermore, there is no clinically useful tool to assess the quality of the ovarian reserve and therefore a prediction tool is required. Our aim is to produce a model for prediction of the ovarian reserve that contributes to preconception care and precision
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 three-dimensional (3D) structure of the human genome is essential for regulating gene expression and cellular functions. Chromatin interactions bring distant genomic regions into physical contact, enabling processes like gene regulation, DNA replication, and repair. Disruptions in this organization can lead to diseases such as cancer and genetic disorders. In this study, we propose a Transformer-based deep learning model to predict the chromatin interactions from DNA sequences. By developing a streamlined and efficient data pipeline to handle the sparse and noisy high-throughput chromosome
СтатьяПрепринтПоиск 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 World Health Organization has highlighted the risk of Disease X, urging pandemic preparedness. Coronavirus disease 2019 (COVID-19) could be the first Disease X; therefore, understanding the epidemiological experiences of COVID-19 is crucial while preparing for future similar diseases.
METHODS: Prediction models for COVID-19 severity risk in hospitalized patients were constructed based on four machine learning algorithms, namely, logistic regression, Cox regression, support vector machine (SVM), and random forest. These models were evaluated for prediction accuracy, area under
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.