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: 92 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 376 с найденным полным текстом
International journal of medical informatics2026eng
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 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.
Prediction of calving among cattle based on body temperature is used to prevent calving accidents. However, conventional threshold-based methods often miss or misdetect signs of calving. We quantitatively compared a machine learning-based model with conventional threshold-based methods for calving prediction using vaginal temperature data from wearable devices. Vaginal temperature was recorded at 5-min intervals from approximately 7 days before the expected calving date until parturition in beef (n = 77) and dairy cattle (n = 78). Twenty-six time-series features were extracted, and a machine l
СтатьяСравнительное 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: Intracerebral hemorrhage (ICH) with thrombocytopenia is associated with poor outcomes, but early risk prediction tools for this subgroup are limited. We aimed to develop and externally validate an interpretable machine learning model for predicting 28-day all-cause mortality after ICU admission.
METHODS: Internal data were derived from MIMIC-III/IV, eICU, and NWICU, and external validation data from a single tertiary academic teaching hospital in China. The internal cohort was randomly split 7:3 into internal training set and internal test set. Feature selection, hyperparameter op
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.
This study aimed to identify solvent characteristics that enhance drug loading in polymeric micelles. Polyethylene glycol-block-polystyrene (PEG-b-PS) and curcumin were used as model compounds to investigate the impact of 40 different solvent mixtures on drug loading during flow-based assembly. We tested five algorithms: Random Forest (RF), Gradient Boosting (GP), XGBoost, Support Vector Regression (SVR), and Multilayer Perceptron (MLP), with the MLP model proving to be the most effective among them. To explain the model's predictions, we utilized SHapley Additive exPlanations (SHAP) values to
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.
Escherichia coli (E. coli) is a key indicator of fecal contamination in freshwater and can signal the presence of other harmful bacteria and viruses. The aim of the study is to evaluate the performance of machine learning (ML) tools to detect E. coli in drinking water in Bangladesh using surveillance data under two scenarios: an imbalanced dataset and a balanced dataset. We utilized data from the 2019 Bangladesh Multiple Indicator Cluster Survey, which included a total of 6,069 household drinking water samples. We used agglomerative hierarchical clustering with Ward's linkage to identify distr
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 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.
This study explores the application of machine learning algorithms in predicting high-risk pregnancy among expectant mothers, aiming to construct an efficient predictive model to improve maternal health management. The study is based on the maternal health risk dataset (MHRD) from Bangladesh, covering multiple hospitals, community clinics, and maternal healthcare centers, and encompassing health data from 1014 pregnant women. Six machine learning algorithms-multilayer perceptron (MLP), logistic regression (LR), decision tree (DT), random forest (RF), eXtreme Gradient Boosting (XGBoost), and su
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: Antenatal screening for Trisomy 21 (T21) in the UK is performed primarily in the first trimester. Nuchal Translucency (NT), gestational age, Free β-HCG and PAPP-A are used in combination, creating the 'combined' test. Multivariate Gaussian distribution models then determine the chance of T21 expressed as an odds ratio. This study investigates the use of machine-learning algorithms in the prediction of T21 in first-trimester singleton pregnancies and compares their performance to existing screening models.
METHODS: A total of 86,354 anonymised, first trimester, singleton pregnancy
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.
Sarcopenic obesity (SO) imposes a heavy medical burden on both individuals and society, highlighting the importance of early identification and timely intervention. This study aims to construct a clinical prediction model based on machine learning (ML) methods to assist in the early screening of SO. Data from the National Health and Nutrition Survey from 2011 to 2018 were used for model development. The included data were randomly divided into a training set and an internal test set with a ratio of 7:3. Eight ML methods - logistic regression, decision tree, neural network, K-nearest neighbor,
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.
OBJECTIVE: We developed novel diagnostic prediction models for central precocious puberty (CPP) diagnosis in girls based on machine learning.
METHODS: In this retrospective study, 2148 girls with PP from 4 centers in China were included, and divided into training group (n = 1048), validation group (n = 262), test group 1 (n = 270), test group 2 (n = 278), and test group 3 (n = 290). Diagnostic prediction models were developed based on logistic regression, linear support vector machine (SVM), RandomForest, XGBoost and fully connected neural network. Model discrimination was assessed with C-sta
СтатьяМногоцентровое исследованиеВалидационное исследованиеПоддержка 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.
BACKGROUND: Approximately 30% of patients with rheumatoid arthritis (RA) do not respond to tocilizumab (TCZ). This study aimed to predict TCZ response using machine learning models trained on clinical data.
METHODS: Baseline and follow-up data from patients with RA treated with TCZ were collected. Seven different machine learning models (logistic regression, K-nearest neighbor algorithm, random forest, support vector machine, decision tree, gradient boosting, and boosting algorithm) were trained to predict the treatment response of patients with RA across different imaging stages after three
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.
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.
While HCoV-OC43 provides a tractable experimental model, it should be recognized as a limited model for studying generalized betacoronavirus host programs rather than a direct surrogate for SARS-CoV-2. We developed a CatBoost regression model using single-cell RNA sequencing data from 12,980 HEK293T cells to predict viral burden at single-cell resolution (full model 5-fold cross-validated R2=0.870). By leveraging CatBoost's native feature importance metrics, we identified 10 core host genes whose expression was most predictive of infection intensity, with TPI1 ranking as the single most import
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.
As food production increases globally, the disposal of agro-waste is an additional issue. However, turning this waste into products through sustainable methods could probably reduce environmental impact. In this work, the inexpensive carbon sources rice bran and corn bran were hydrolysed to produce Polyhydroxybutyrate (PHB) and Enzyme (Amylase) by extractive Co-fermentation. This work is advanced by the synthesis, extraction, and characterization of PHB produced by the strain Priestia megaterium isolated from soil. A 48 h incubation in modified medium, optimized PHB and enzyme production, achi
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: It is important to identify older adults at high risk of functional disability and to take preventive measures for them at an early stage. To our knowledge, there are no studies that predict functional disability among community-dwelling older adults using machine learning algorithms.
OBJECTIVE: To construct a model that can predict functional disability over 5 years using basic machine learning algorithms.
DESIGN: A cohort study with a mean follow-up of 5.4 years.
PARTICIPANTS: We used data from the Japan Gerontological Evaluation Study, which involved 73,262 people aged ≥ 65
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.