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
21359 публикаций
Поиск: 282 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1553 с найденным полным текстом
Contact lens & anterior eye : the journal of the British Contact Lens Association2023eng
OBJECTIVE: To estimate the original corneal curvature after orthokeratology by applying a machine learning-based algorithm.
METHODS: A total of 497 right eyes of 497 patients undergoing overnight orthokeratology for myopia for more than 1 year were enrolled in this retrospective study. All patients were fitted with lenses from Paragon CRT. Corneal topography was obtained by a Sirius corneal topography system (CSO, Italy). Original flat K (K1) and original steep K (K2) were set as the targets of calculation. The importance of each variable was explored by Fisher's criterion. Two machine learni
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 current congenital heart disease (CHD) prediction tools lack adequate interpretability and convenience, hindering the development of personalized CHD management strategies. We developed a machine learning-based risk stratification model for CHD prediction.
METHODS: This study utilized data from 1,759 participants in a case-control study of CHD conducted across six birth defects surveillance hospitals located in Xi'an, Shaanxi Province, Northwest China, spanning from January 2014 to December 2016. The data was partitioned into training and testing datasets with a ratio of 7:3.
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.
BACKGROUND: Budd-Chiari syndrome (BCS) is a rare global condition with high recurrence rates. Existing prognostic scoring models demonstrate limited predictive efficacy for BCS recurrence. This study aims to develop a novel machine learning model based on multiple kernel learning to improve the prediction of 3-year recurrence in BCS patients.
METHODS: Data were collected from BCS patients admitted to the Affiliated Hospital of Xuzhou Medical University between January 2015 and July 2022. The dataset was divided into training, validation, and test sets in a 6:2:2 ratio. Models were constructed
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.
American journal of orthodontics and dentofacial orthopedics : official publication of the American Association of Orthodontists, its constituent societies, and the American Board of Orthodontics2023eng
INTRODUCTION: Prediction of lip prominence based on hard-tissue measurements could be helpful in orthodontic treatment planning and has been challenging and formidable thus far.
METHODS: A machine learning-based cross-sectional study was conducted on 1549 patients. Hard-tissue measurements and demographic information were used as the input features. Seven popular machine learning algorithms were applied to the datasets to predict upper and lower lip prominence. The algorithm that performed the best was selected for the construction of the prediction model. Evaluation of feature importance was
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: This study aimed to develop and validate prediction models for short-(3 months), medium-(1 year), and long-term suicide attempts among high-risk individuals in South Korea.
METHODS: Data from the K-COMPASS cohort, a large prospective study conducted across five medical centers in South Korea between 2015 and 2023, were used. This cohort included 1246 high-risk individuals, with structured clinical assessments and follow-up data collected at multiple time points. Logistic regression and Cox proportional hazards models, along with machine learning methods (random forest, XGBoost, an
СтатьяВалидационное исследованиеПолный 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: Curve squeal is a loud tonal noise from railway traffic that contributes to environmental noise pollution. Squealing arises from friction-induced vibrations in the wheel-rail contact during vehicle curving under specific friction conditions. Environmental factors are known to influence these friction conditions and, consequently, the tendency of squeal occurrence. This study investigates whether environmental variables measured from the wayside of the track can be used to predict curve squeal using machine learning models.
METHODS: Separate prediction models were developed for 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.
Machine learning methods based on imaging and other clinical data have shown great potential for improving the early and accurate diagnosis of Alzheimer's disease (AD). However, for most deep learning models, especially those including high-dimensional imaging data, the decision-making process remains largely opaque which limits clinical applicability. Explainable Boosting Machines (EBMs) are inherently interpretable machine learning models, but are typically applied to low-dimensional data. In this study, we propose an interpretable machine learning framework that integrates data-driven featu
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.
Autologous reconstruction using abdominal flaps remains the most popular method for breast reconstruction worldwide. We aimed to evaluate a prediction model using machine-learning methods and to determine which factors increase abdominal flap donor site complications with logistic regression. We evaluated the predictive ability of different machine learning packages, reviewing a cohort of breast reconstruction patients who underwent abdominal flaps. We analyzed 13 treatment variables for effects on the abdominal donor site complication rates. To overcome data imbalances, random over sampling e
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: Alzheimer's disease (AD) represents a significant global health challenge requiring early and accurate prediction for effective intervention. While machine learning models demonstrate promising capabilities in AD prediction, their black-box nature limits clinical adoption due to a lack of interpretability and transparency.
OBJECTIVE: This study aims to develop and evaluate explainable artificial intelligence (XAI) frameworks for AD prediction using comprehensive multimodal patient data, with a focus on enhancing model interpretability through SHAP and LIME techniques.
METHODS: A
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.
Outcome-dependent sampling (ODS) designs are widely used in epidemiological and biomedical research as cost-effective alternatives to full cohort studies. While existing research has focused on parameter estimation and inference under specific models, survival prediction in ODS settings remains underexplored. In this paper, we propose a gradient boosting machine tailored for survival prediction in studies conducted using general failure-time ODS designs. Our approach integrates a weighting scheme to correct for sampling bias and improves predictive accuracy. We introduce a weighted empirical r
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.
Minimal/measurable residual disease detection is routinely performed as part of post-diagnostic treatment plans for many types of cancer, for which multiparameter flow cytometry is one possible modality frequently used. We propose a machine learning approach for binary prediction of minimal residual disease status with flow cytometry data. Our method involves the projection of cells from the original feature space to a low-dimensional embedding in which cells are clustered by similarity, and the cluster-wise cell proportions are used for prediction as well as regression. This is a weakly super
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: Intradialytic hypotension and hypertension significantly increase cardiovascular risk in hemodialysis patients, highlighting the need for effective monitoring systems. By predicting systolic blood pressure (SBP) values, monitoring capabilities can be improved beyond traditional event classification. Despite this potential advantage, current predictive models report a consistent error range (11-13 mmHg) and operate as black boxes. This study aims to develop a transparent SBP prediction model and evaluate its generalizability.
METHODS: This retrospective study analyzed data from 524
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.
Postoperative pancreatic fistula (POPF) is a severe complication following pancreaticoduodenectomy,among which clinically relevant postoperative pancreatic fistula has garnered substantial attention due to its high incidence (10% to 25%) and fatal consequences. This article reviews the evolutionary trajectory of risk prediction models for POPF after pancreaticoduodenectomy,progressing from single-center risk prediction models dominated by intraoperative factors, to weighted risk prediction models and their modified versions,and further to novel models integrating radiomics with machine learnin
СтатьяОбзорАннотация на английскомПоиск 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: This Hydrocephalus Clinical Research Network (HCRN) study had two aims: (1) to compare the predictive performance of the original ETV Success Score (ETVSS) using logistic regression modeling with other newer machine learning models and (2) to assess whether inclusion of imaging variables improves prediction performance using machine learning models.
METHODS: We identified children undergoing first-time ETV for hydrocephalus that were enrolled prospectively at HCRN sites between 200 and 2020. The primary outcome was ETV success 6 months after index surgery. The cohort was randomly div
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.
STUDY DESIGN: Systematic review.
OBJECTIVES: To review the existing literature of prediction models in degenerative spinal surgery.
METHODS: Review of PubMed/Medline and Embase databases was conducted to identify articles between January 1, 2000 and March 1, 2020 that reported prediction model performance for outcomes following elective degenerative spine surgery.
RESULTS: Thirty-one articles were included. Twenty studies were of thoracolumbar, 5 were of cervical, and 6 included all spine patients. Five studies were externally validated. Prediction models were developed using machine learni
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.
There have been rapidly growing applications using machine learning models for predictive analytics in Electronic Health Records (EHR) to improve the quality of hospital services and the efficiency of healthcare resource utilization. A fundamental and crucial step in developing such models is to convert medical codes in EHR to feature vectors. These medical codes are used to represent diagnoses or procedures. Their vector representations have a tremendous impact on the performance of machine learning models. Recently, some researchers have utilized representation learning methods from Natural
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.
PURPOSES: To investigate the value of machine learning-based radiomics for predicting disease-free survival (DFS) and overall survival (OS) undergoing concurrent chemoradiotherapy (CCRT) for patients with locally advanced cervical cancer (LACC).
MATERIALS AND METHODS: In this multicentre study, 700 patients with IB2-IVA cervical cancer who underwent CCRT with ongoing follow-up were retrospectively analyzed. Three-dimensional radiomics features of primary lesions and its surrounding 5 mm region in T2WI sequences were collected. Six machine learning methods were used to construct the optimal ra
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.
BACKGROUND: Despite wearable sensors' ability to provide continuous physiologic monitoring, migraine remains challenging to predict due to unpredictability of onset and a variety of triggers. Developing an accurate prediction model requires reducing signal variability by using effective filtering techniques.
OBJECTIVE: The main objective of this study is to evaluate machine learning models for predicting migraines and analyze the effect of different filtering techniques and classifiers on prediction performance.
METHODS: A feature set based on ANOVA analysis of four key physiological signals
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: Quantification of total cardiovascular risk is essential for individualizing hypertension treatment. This study aimed to develop and validate a novel, machine-learning-derived model to predict cardiovascular mortality risk using office blood pressure (OBP) and ambulatory blood pressure (ABP).
METHODS: The performance of the novel risk score was compared with existing risk scores, and the possibility of predicting ABP phenotypes utilizing clinical variables was assessed. Using data from 59 124 patients enrolled in the Spanish ABP Monitoring registry, machine-learning approaches (lo
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: Older adults with hypertension have a high risk of disability, while an accurate risk prediction model is still lacking. This study aimed to construct interpretable disability prediction models for older Chinese with hypertension based on multiple time intervals.
METHODS: Data were collected from the Chinese Longitudinal Healthy Longevity and Happy Family Study for 2008-2018. A total of 1602, 1108, and 537 older adults were included for the periods of 2008-2012, 2008-2014, and 2008-2018, respectively. Disability was measured by basic activities of daily living. Least absolute shri
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.