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
35068 публикаций
Поиск: 621 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2553 с найденным полным текстом
OBJECTIVE: Ectopic pregnancy (EP) is well known for its critical maternal outcome. Early detection could make the difference between life and death in pregnancy. Our aim was to make a prompt diagnosis before the rupture occur. Thus, the predictive analytical models using both conventional statistics and machine learning (ML) methods were studied.
MATERIALS AND METHODS: A retrospective cohort study was conducted on 407 pregnancies with unknown location (PULs): 306 PULs for internal validation and 101 PULs for external validation, randomized with a nested cross-validation technique. Using a set
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.
Growing evidence shows that there is an increased risk of cardiovascular diseases among gout patients, especially coronary heart disease (CHD). Screening for CHD in gout patients based on simple clinical factors is still challenging. Here we aim to build a diagnostic model based on machine learning so as to avoid missed diagnoses or over exaggerated examinations as much as possible. Over 300 patient samples collected from Jiangxi Provincial People's Hospital were divided into two groups (gout and gout+CHD). The prediction of CHD in gout patients has thus been modeled as a binary classification
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.
Background: Acute aortic dissection is a potentially fatal cardiovascular disorder associated with high mortality. However, current predictive models show a limited ability to efficiently and flexibly detect this mortality risk, and have been unable to discover a relationship between the mortality rate and certain variables. Thus, this study takes an artificial intelligence approach, whereby clinical data-driven machine learning was utilized to predict the in-hospital mortality of acute aortic dissection. Methods: Patients diagnosed with acute aortic dissection between January 2015 to December
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: Although the COVID-19 pandemic has left an unprecedented impact worldwide, countries such as the United States have reported the most substantial incidence of COVID-19 cases worldwide. Within the United States, various sociodemographic factors have played a role in the creation of regional disparities. Regional disparities have resulted in the unequal spread of disease between US counties, underscoring the need for efficient and accurate predictive modeling strategies to inform public health officials and reduce the burden on health care systems. Furthermore, despite the widespread
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: Down syndrome (DS) is the most common human chromosomal abnormality. About 1200 laboratories carry out antenatal screening for DS in second trimester pregnancies in China. Their prenatal assessment of DS pregnancy risk is based on biometric calculations conducted on maternal serum biochemical markers and ultrasonic markers of fetal growth. However, the performance of this triple test for DS in second trimester pregnancies has a false positive rate of 5%, and a detection rate of about 60%∼65%.
METHOD: A total of 58,972 pregnant women, including 49 DS cases, who had undergone DS scr
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.
We constructed a radiomics-clinical model to predict intraventricular hemorrhage (IVH) growth after spontaneous intracerebral hematoma. The model was developed using a training cohort (N=626) and validated with an independent testing cohort (N=270). Radiomics features and clinical predictors were selected using the least absolute shrinkage and selection operator (LASSO) method and multivariate analysis. The radiomics score (Rad-score) was calculated through linear combination of selected features multiplied by their respective LASSO coefficients. The support vector machine (SVM) method was use
СтатьяПоддержка исследования: вне правительства СШАВалидационное 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: Blunt cerebrovascular injury (BCVI) is a rare finding in trauma patients. The previously validated BCVI (Denver and Memphis) prediction model in adult patients was shown to be inadequate as a screening option in injured children. We sought to improve the detection of BCVI by developing a prediction model specific to the pediatric population.
METHODS: The National Trauma Databank (NTDB) was queried from 2007 to 2015. Test and training datasets of the total number of patients (885,100) with complete ICD data were used to build a random forest model predicting BCVI. All ICD features
СтатьяОбзорПолный 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.
PURPOSE: Rhabdomyolysis (RM) is a complex set of clinical syndromes that involves the rapid dissolution of skeletal muscles. Mortality from RM is approximately 10%. This study aimed to develop an interpretable and generalizable model for early mortality prediction in RM patients.
METHOD: Retrospective analyses were performed on two electronic medical record databases: the eICU Collaborative Research Database and the Medical Information Mart for Intensive Care III database. We extracted data from the first 24 h after patient ICU admission. Data from the two data sets were merged for further an
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 train and validate an algorithm mimicking decision making of experienced surgeons regarding upper instrumented vertebra (UIV) selection in surgical correction of thoracolumbar adult spinal deformity.
METHODS: A retrospective review was conducted of patients with adult spinal deformity who underwent fusion of at least the lumbar spine (UIV > L1 to pelvis) during 2013-2018. Demographic and radiographic data were collected. The sample was stratified into 3 groups: training (70%), validation (15%) and performance testing (15%). Using a deep learning algorithm, a neural network model
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 outbreaks of infectious diseases do not only endanger people's lives and property, but can also result in negative social impact and economic loss. Therefore, establishing early warning technologies for infectious diseases is of great value. This paper was built on the historical morbidity and mortality incidence data of infectious diseases, including typhoid fever, Hemorrhagic Fever with Renal Syndrome (HFRS), mumps, scarlatina, malaria, dysentery, pertussis, conjunctivitis, pulmonary tuberculosis, diarrhea from 2012 to 2016 in China. We also integrated search engine query data and season
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.
Several machine learning techniques (multilayer and single layer perceptron, logistic regression, least square linear separation and support vector machines) are applied to calculate the risk of death from two biomedical data sets, one from patient care records, and another from a population survey. Each dataset contained multiple sources of information: history of related symptoms and other illnesses, physical examination findings, laboratory tests, medications (patient records dataset), health attitudes, and disabilities in activities of daily living (survey dataset). Each technique showed v
Сравнительное исследованиеСтатьяПоддержка 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: Although many risk prediction models have been developed, very few undergo external validation, primarily due to issues with data access. Therefore, we implemented a reciprocal model-exchange approach to facilitate external validation and demonstrate its use with gestational diabetes mellitus (GDM) prediction models.
OBJECTIVE: To assess the robustness and generalisability of two independently developed GDM risk prediction models using a reciprocal model-exchange framework.
METHODS: Two independently developed GDM risk prediction models were externally validated using a reciproca
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.
Nonlinear mixed effect (NLME) models are the gold standard for the analysis of patient response following drug exposure. However, these types of models are complex and time-consuming to develop. There is great interest in the adoption of machine-learning methods, but most implementations cannot be reliably extrapolated to treatment strategies outside of the training data. In order to solve this problem, we propose the deep compartment model (DCM), a combination of neural networks and ordinary differential equations. Using simulated datasets of different sizes, we show that our model remains ac
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.
OBJECTIVES: Microvascular free tissue transfer is the primary reconstructive method in patients with complex defects of the head and neck. Defect site complications vary; incidence ranges from 15% to 70%. The use of machine learning via mutual information analysis has recently been described in the context of head and neck cancer, but this does not distinguish between causal relationships. The current study explores the first causal machine learning model to predict surgical outcomes in patients undergoing head and neck microvascular reconstruction.
METHODS: A retrospective chart review was c
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: Previous studies have shown a higher prevalence of Metabolic Dysfunction-Associated Steatotic Liver Disease (MASLD) in individuals with gallstones, as both conditions share common risk factors, including hyperlipidemia, obesity, physical inactivity, and diabetes. This study aimed to develop and validate a machine learning (ML)-based model for predicting MASLD risk in gallstone patients.
METHODS: A multicenter retrospective cross-sectional study was conducted, enrolling 390 gallstone patients from the Guanggu Branch of our hospital (January 2023-August 2025) as the internal cohort
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.
OBJECTIVE: To summarize the current production and release trends of medical science popularization videos, analyze the effect of non-medical factors on their spread, and develop dissemination-prediction models using machine learning (ML) algorithms.
METHODS: We identified a sample of medical science popularization videos on TikTok (n = 566), Bilibili (n = 50), Xiaohongshu (n = 54), and International TikTok (n = 46) platforms. Thirty six non-medical features were annotated as predictor variables, with "Thumb-Up," "Comment," "Share" and "Collection" as outcomes. Fifteen algorithms models were
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: Immune checkpoint inhibitor (ICI) therapy has significantly improved treatment outcomes for various cancers by enhancing T cell-mediated anti-tumor immune responses. However, accurately predicting patient response to ICI treatment remains a major challenge due to the risk of immune-related adverse events. Microsatellite instability (MSI), as an important molecular biomarker characterized by high mutation rates and abundant tumor neoantigen production, has been demonstrated to effectively predict clinical benefits from immunotherapy. In gastric adenocarcinoma (STAD) patients, approx
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: Multiple system atrophy (MSA) is a fatal neurodegenerative disease with highly variable progression and poor prognosis. This study aimed to characterize survival patterns, identify prognostic factors, and develop an interpretable machine learning model for individualized survival prediction in MSA.
METHODS: In this multicenter longitudinal cohort study, 391 MSA patients were analyzed. Prognostic factors were identified using Kaplan-Meier and Cox regression analyses. Six survival models were trained with five-fold cross-validation, with Shapley Additive Explanations (SHAP) being us
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: Medication harm is a significant healthcare challenge in hospitalised adult patients. Machine learning (ML) approaches offer the potential to improve prediction accuracy for medication harm by capturing complex relationships among clinical risk factors that traditional statistical models may not detect.
OBJECTIVE: To develop and evaluate ML models for predicting medication harm in hospitalised adult patients.
DESIGN: ML study involving secondary use of a prospectively collected hospital cohort dataset.
METHODS: This study used data from 279 adult patients admitted to general med
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: Gemcitabine is an important chemotherapeutic agent that suffers from poor bioavailability and drug resistance. Although the nanocomposite delivery systems are highly promising, their optimization for efficient therapy is quite challenging because of complex design parameters involved.
METHODS: A dataset consisting of more than fifty gemcitabine nanocomposites is used in the present work. We developed prediction models using well-known machine learning algorithms, such as Random Forest and XGBoost, besides a new physics-informed machine learning approach that incorporated drug rele
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.