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
4070 публикаций
Поиск: 425 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 376 с найденным полным текстом
BACKGROUND: Invasive fractional flow reserve (FFR) is a standard tool for identifying ischemia-producing coronary stenosis. However, in clinical practice, over 70% of treatment decisions still rely on visual estimation of angiographic stenosis, which has limited accuracy (about 60%-65%) for the prediction of FFR < 0.80. One of the reasons for the visual-functional mismatch is that myocardial ischemia can be affected by the supplied myocardial size, which is not always evident by coronary angiography. The aims of this study were to develop an angiography-based machine learning (ML) algorithm fo
СтатьяМногоцентровое исследованиеПоддержка исследования: вне правительства СШАВалидационное 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: Unplanned patient readmissions within 30 days of discharge pose a substantial challenge in Canadian health care economics. To address this issue, risk stratification, machine learning, and linear regression paradigms have been proposed as potential predictive solutions. Ensemble machine learning methods, such as stacked ensemble models with boosted tree algorithms, have shown promise for early risk identification in specific patient groups.
OBJECTIVE: This study aims to implement an ensemble model with submodels for structured data, compare metrics, evaluate the impact of optimize
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: Advanced liver fibrosis (LF) is a major determinant of prognosis across chronic liver diseases. Current biomarkers are often etiology-specific and lack cross-cohort robustness. Shared molecular drivers across etiologies remain incompletely defined, and effective anti-fibrotic therapies are limited. Methods: We developed a multi-algorithm consensus machine-learning framework to derive a robust LF progression signature. In the training non-alcoholic fatty liver disease (NAFLD) cohort GSE213621 (n = 368), samples were formulated as a binary classification task (mild fibrosis, F0-F2; a
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: Lung adenocarcinoma (LUAD) is a leading cause of cancer-related mortality worldwide. The identification of non-invasive biomarkers for early detection is critical to improving patient outcomes. Integrative analysis of DNA methylation and gene expression represents a promising approach for identifying cancer-specific diagnostic markers. This study aimed to identify and validate a LUAD-specific DNA methylation signature for the early detection of LUAD.
METHODS: An integrated analysis of DNA methylation data from the Illumina HumanMethylation450K array, including 455 tumor samples, 3
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: Gastric cancer (GC) is one of the most common malignant tumors worldwide, with Helicobacter pylori-associated intestinal-type gastric cancer (IGC) being the most prevalent subtype, accounting for approximately 85% of cases. Because most patients are diagnosed at intermediate or advanced stages, early screening and accurate stage stratification of IGC progression remain major clinical challenges.
OBJECTIVE: This study aimed to develop an interpretable machine learning (ML) model that leverages routine laboratory indicators to perform stage-specific diagnosis for patients across dif
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: To develop and validate an interpretable machine learning-based model for the early identification of the risk of clinical deterioration during hospitalization in newly diagnosed lung cancer patients.
METHODS: Clinical data of patients with newly diagnosed lung cancer admitted between July 2023 and December 2025 were retrospectively collected in this single-center study. A hybrid feature selection strategy integrating least absolute shrinkage and selection operator (LASSO) regression and the Boruta algorithm was employed to identify key predictors. Logistic regression (LR), random
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: The co-occurrence of depression and anxiety in adolescents is associated with a greater risk than the presence of depressive symptoms alone. Predicting anxiety disorders among depressed adolescents is critical for interventions and therapeutic tools.
METHODS: We recruited 2316 depressed adolescents through the Chinese Adolescent Depression Cohort (CADC) and collected 34 predictive factors for model construction. The Light Gradient Boosting Machine (LightGBM) prediction model and Shapley Additive Explanations (SHAP) algorithm were implemented for in-depth interpretation of the pred
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 AND AIM: Colorectal cancer is among the most prevalent and deadliest cancers. Early prediction of metastasis in patients with colorectal cancer is crucial in preventing it from the advanced stages and enhancing the prognosis among these patients. So far, previous studies have been conducted to predict metastasis in colorectal cancer patients using clinical data. The current research attempts to leverage a combination of demographic, lifestyle, nutritional, and clinical factors, such as diagnostic and therapeutical factors, to construct an ML model with more predictive insights and g
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: Sepsis-induced coagulopathy (SIC) represents an early and potentially reversible stage of coagulation dysfunction in sepsis, whereas progression to disseminated intravascular coagulation (DIC) is associated with multi-organ failure and markedly increased mortality. Although existing diagnostic criteria and machine learning (ML) models have demonstrated utility in broad sepsis populations, they lack specificity for identifying high-risk subgroups within SIC patients who are most likely to deteriorate into DIC. Timely and precise risk stratification at this critical transition point
СтатьяМногоцентровое 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.
We have (i) little knowledge about where the fastest professional IRONMAN triathletes originate from and where the fastest races take place and (ii) we have no knowledge of the optimal weather conditions for an IRONMAN triathlon. The aims of the present study were, therefore, (i) to investigate the origin and the fastest IRONMAN race courses for professional triathletes and (ii) to evaluate the best environmental conditions (i.e. water and air temperatures and type of race course) for the fastest IRONMAN race times in professional IRONMAN triathletes. Data of all professional female and male I
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: Machine learning (ML) has shown great potential in recognizing complex disease patterns and supporting clinical decision-making. Diabetic foot ulcers (DFUs) represent a significant multifactorial medical problem with high incidence and severe outcomes, providing an ideal example for a comprehensive framework that encompasses all essential steps for implementing ML in a clinically relevant fashion.
OBJECTIVE: This paper aims to provide a framework for the proper use of ML algorithms to predict clinical outcomes of multifactorial diseases and their treatments.
METHODS: The comparis
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: Persistent sepsis-associated acute kidney injury (SA-AKI) shows poor clinical outcomes and remains a therapeutic challenge for clinicians. Early identification and prediction of persistent SA-AKI are crucial.
OBJECTIVE: The aim of this study was to develop and validate an interpretable machine learning (ML) model that predicts persistent SA-AKI and to compare its diagnostic performance with that of C-C motif chemokine ligand 14 (CCL14) in a prospective cohort.
METHODS: The study used 4 retrospective cohorts and 1 prospective cohort for model derivation and validation. The derivat
СтатьяВалидационное 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.
Ultra-marathon running - where races are held in distance-limited (50 km, 50 miles, 100 km, 100 miles, etc.), time-limited (6 h, 12 h, 24 h, 48 h, 72 h, etc.), and multi-stage races - is gaining in popularity. However, we have no knowledge of where the fastest 48-hour runners originate and where the fastest 48-hour races are held. This study tried to determine the origin of the fastest 48-hour runners and the predictor factors associated with 48-hour ultra-marathon performance, such as age, gender, event country, country of origin and race course specific characteristics. A machine learning (M
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.
In this secondary analysis of a German cross-sectional survey data, we investigated key determinants and predictors of telemedicine (TM) use among healthcare professionals (HCPs) treating cardiology patients. We applied Bayesian Model Averaging (BMA) for explanatory analysis and Machine Learning (ML) for predictive modeling. BMA identified TM determinants after excluding collinear variables and selecting variables based on LASSO regression. The extreme gradient boosting (XGBoost) ML algorithm predicted TM use and identified key predictors, using nested cross-validation to prevent overfitting.
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: Cognitive impairment is a common and debilitating complication after sepsis. This study aimed to develop and validate an interpretable machine learning (ML) model to predict post-sepsis cognitive impairment and identify key clinical risk factors.
METHODS: A retrospective cohort of 866 adult sepsis patients treated in our hospital between January 2020 and January 2025 was analyzed. Cognitive function was assessed 1-3 months after discharge using the Montreal Cognitive Assessment (MoCA), with scores < 26 indicating impairment. Key predictors were selected via least absolute shrinkage
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: Identifying independent risk factors and implementing high-quality assessment tools for early detection of patients at high risk of central venous access device (CVAD)-related thrombosis (CRT) plays a critical role in delivering timely preventive interventions and reducing the incidence of CRT. Approaches for identifying the risk of CRT in children have not been well-researched.
OBJECTIVE: To identify the critical risk factors for CRT in children and to construct machine learning-based prediction models tailored to this group, providing a theoretical basis and technical support fo
СтатьяВалидационное исследованиеПоддержка 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: The aim of this study was to investigate the characteristics of brain activity changes in patients with post-stroke balance dysfunction and their relationship with clinical assessment, and to construct a classification model based on the extreme Gradient Boosting (XGBoost) algorithm to discriminate between stroke patients and healthy controls (HCs).
METHODS: In the current study, twenty-six patients with post-stroke balance dysfunction and twenty-four HCs were examined by resting-state functional magnetic resonance imaging (rs-fMRI). Static amplitude of low frequency fluctuation (s
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: Gait changes could occur after thoracic to pelvic long-segment corrective fusion surgery, a common procedure for adult spinal deformity (ASD), potentially affecting the occurrence and progression of postoperative hip osteoarthritis. We aimed to clarify postoperative pelvic kinematics in patients with ASD by performing gait analysis using a system based on a smartphone-integrated inertial measurement unit (IMU).
METHODS: A total of 21 consecutive outpatients (73.6±4.6 years old, 2 men, 19 women) were enrolled. All had undergone long-segment fusion from the thoracic spine to the p
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.
INTRODUCTION: The risk stratification at admission to the intensive cardiac care unit (ICCU) is crucial and remains challenging.
OBJECTIVES: We aimed to investigate the accuracy of a machine learning (ML)-model based on initial transthoracic echocardiography (TTE) to predict in-hospital major adverse events (MAEs) in a broad spectrum of patients admitted to ICCU.
METHODS: All consecutive patients hospitalized in ICCUs with a complete TTE performed within the first 24 hours of admission were included in this prospective multicenter study (39 centers). Sixteen TTE parameters were evaluated. Th
СтатьяМногоцентровое 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: Using the reaction history in logistic regression and machine learning (ML) models to predict penicillin allergy has been reported based on non-US data.
OBJECTIVE: We developed ML positive penicillin allergy testing prediction models from multisite US data.
METHODS: Retrospective data from 4 US-based hospitals were grouped into 4 datasets: enriched training (1:3 case-control matched cohort), enriched testing, nonenriched internal testing, and nonenriched external testing. ML algorithms were used for model development. We determined area under the curve (AUC) and applied the Shapl
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.