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
35288 публикаций
Поиск: 525 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2553 с найденным полным текстом
Clinical otolaryngology : official journal of ENT-UK ; official journal of Netherlands Society for Oto-Rhino-Laryngology & Cervico-Facial Surgery2024eng
OBJECTIVE: Evaluating the possibility of predicting chronic rhinosinusitis with nasal polyps (CRSwNP) disease course using Artificial Intelligence.
METHODS: We prospectively included patients undergoing first endoscopic sinus surgery (ESS) for nasal polyposis. Preoperative (demographic data, blood eosinophiles, endoscopy, Lund-Mackay, SNOT-22 and depression PHQ scores) and follow-up data was standardly collected. Outcome measures included SNOT-22, PHQ-9 and endoscopy perioperative sinus endoscopy (POSE) scores and two different microRNAs (miR-125b, miR-203a-3p) from polyp tissue. Based on POS
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.
OBJECTIVE: Cerebral infarction is a common complication in patients undergoing revascularization surgery for moyamoya disease (MMD). Although previous statistical evaluations have identified several risk factors for postoperative brain ischemia, the ability to predict its occurrence based on these limited predictors remains inadequately explored. This study aimed to assess the feasibility of machine learning algorithms for predicting cerebral infarction after revascularization surgery in patients with MMD.
METHODS: This retrospective study was conducted across two centers and harnessed data f
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.
INTRODUCTION: Cardiovascular disease (CVD) is the leading cause of death in patients with chronic kidney disease (CKD). This study aimed to develop CVD risk prediction models using machine learning to support clinical decision making and improve patient prognosis.
METHODS: Electronic medical records from patients with CKD at a single center from 2015 to 2020 were used to develop machine learning models for the prediction of CVD. Least absolute shrinkage and selection operator (LASSO) regression was used to select important features predicting the risk of developing CVD. Seven machine learning
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.
AIM: To develop a decision-support tool for predicting extubation failure (EF) in neonates with bronchopulmonary dysplasia (BPD) using a set of machine-learning algorithms.
METHODS: A dataset of 284 BPD neonates on mechanical ventilation was used to develop predictive models via machine-learning algorithms, including extreme gradient boosting (XGBoost), random forest, support vector machine, naïve Bayes, logistic regression, and k-nearest neighbor. The top three models were assessed by the area under the receiver operating characteristic curve (AUC), and their performance was tested by decisi
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.
This study explores the progression of intracerebral hemorrhage (ICH) in patients with mild to moderate traumatic brain injury (TBI). It aims to predict the risk of ICH progression using initial CT scans and identify clinical factors associated with this progression. A retrospective analysis of TBI patients between January 2010 and December 2021 was performed, focusing on initial CT evaluations and demographic, comorbid, and medical history data. ICH was categorized into intraparenchymal hemorrhage (IPH), petechial hemorrhage (PH), and subarachnoid hemorrhage (SAH). Within our study cohort, we
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: To develop machine learning prediction models for small for gestational age with baseline characteristics and biochemical tests of various pregnancy stages individually and collectively and compare predictive performance.
STUDY DESIGN: This retrospective study included singleton pregnancies with infants born between May 2018 and March 2023. Small for gestational age was defined as a birth weight below the 10th percentile according to the Intergrowth-21st fetal growth standards. The pregnancy data were categorized into four datasets at different gestational time points (14 and 28 we
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: Gestational weight gain (GWG) is a critical factor influencing maternal and fetal health. Excessive or insufficient GWG can lead to various complications, including gestational diabetes, hypertension, cesarean delivery, low birth weight, and preterm birth. This study aims to develop and evaluate machine learning models to predict GWG categories: below, within, or above recommended guidelines.
METHODS: We analyzed data from the Araraquara Cohort, Brazil, which comprised 1557 pregnant women with a gestational age of 19 weeks or less. Predictors included socioeconomic, demographic, 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.
BACKGROUND: Second-trimester miscarriage is a common adverse pregnancy outcome that imposes substantial economic and psychological pressures on both the physical and mental well-being of patients and their families. Currently, there is a scarcity of research on predictive models for the risk of second-trimester miscarriage.
METHODS: Clinical data were retrospectively collected from patients who were in the second trimester of pregnancy (between 14+0 and 27+6 weeks gestation), whose main diagnosis was "threatened abortion" and who were hospitalized at the Women and Children's Hospital of Ningb
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.
AIM: As the size of the elderly population gradually increases, musculoskeletal disorders, such as sarcopenia, are increasing. Diagnostic techniques such as X-rays, computed tomography, and magnetic resonance imaging are used to predict and diagnose sarcopenia, and methods using machine learning are gradually increasing. This study aimed to create a model that can predict sarcopenia using physical characteristics and activity-related variables without medical diagnostic equipment, such as imaging equipment, for the elderly aged 60 years or older.
METHODS: A sarcopenia prediction model was con
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 AND OBJECTIVE: Intact parathyroid hormone (iPTH), also known as active parathyroid hormone, is an important indicator commonly for monitoring secondary hyperparathyroidism (SHPT) in patients undergoing hemodialysis. The aim of this study was to use machine learning (ML) models to predict monthly iPTH levels in patients undergoing hemodialysis.
METHODS: We conducted a retrospective study on patients undergoing regular hemodialysis. Patients' blood examinations data was collected from Taiwan Society of Nephrology - Kidney Dialysis, Transplantation (TSN-KiDiT) registration system, and
СтатьяНаблюдательное 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.
Identifying individuals with tuberculosis (TB) with a high risk of onward transmission can guide disease prevention and public health strategies. Here, we train classification models to predict the first sampled isolates in Mycobacterium tuberculosis transmission clusters from demographic and disease data. We find that supervised learning, in particular balanced random forests, can be used to develop predictive models to identify people with TB that are more likely associated with TB cluster growth, with good model performance and AUCs of ≥ 0.75. We also identified the most important patient a
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: Myasthenia gravis (MG) is an autoimmune disease characterized by muscle weakness and fatigability. The fluctuating nature of the disease course impedes the clinical management.
OBJECTIVE: The purpose of the study was to establish and validate a machine learning (ML)-based model for predicting the short-term clinical outcome in MG patients with different antibody types.
METHODS: We studied 890 MG patients who had regular follow-ups at 11 tertiary centers in China from 1 January 2015 to 31 July 2021 (653 patients for derivation and 237 for validation). The short-term outcome was th
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: Stroke causes serious physical disability with impaired quality of life (QoL) and heavy burden on health. The goal of this study is to explore the impaired QoL typologies and their predicting factors in physically disabled stroke survivors with machine learning approach.
METHODS: Non-negative matrix factorization (NMF) was applied to clustering 308 physically disabled stroke survivors in rural China based on their responses on the short form 36 (SF-36) assessment of quality of life. Principal component analysis (PCA) was conducted to differentiate the subtypes, and the Boruta algor
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: Most risk prediction models are confined to specific medical conditions, thus limiting their application to general medical populations.
OBJECTIVES: The MARKER-HF (Machine learning Assessment of RisK and EaRly mortality in Heart Failure) risk model was developed in heart failure (HF) patients. We assessed the ability of MARKER-HF to predict 1-year mortality in a large community-based hospital registry database including patients with and without HF.
METHODS: This study included 41,749 consecutive patients who underwent echocardiography in a tertiary referral hospital (4,640 patie
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 explore machine learning models for predicting return to work after cardiac rehabilitation.
SUBJECTS: Patients who were admitted to the University of Malaya Medical Centre due to cardiac events.
METHODS: Eight different machine learning models were evaluated. The models included 3 different sets of features: full features; significant features from multiple logistic regression; and features selected from recursive feature extraction technique. The performance of the prediction models with each set of features was compared.
RESULTS: The AdaBoost model with the top 20 features o
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 condition of fetal overgrowth, also known as macrosomia, can cause serious health complications for both the mother and the infant. It is crucial to identify high-risk macrosomia-relevant pregnancies and intervene appropriately. Despite this need, there are several gaps in research related to macrosomia, including limited predictive models, insufficient machine learning applications, ineffective interventions, and inadequate understanding of how to integrate machine learning models into clinical decision-making. To address these gaps, we developed a machine learning-based model that uses 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.
Dysphagia is a fatal condition after acute stroke. We established machine learning (ML) models for screening aspiration in patients with acute stroke. This retrospective study enrolled patients with acute stroke admitted to a cerebrovascular specialty hospital between January 2016 and June 2022. A videofluoroscopic swallowing study (VFSS) confirmed aspiration. We evaluated the Gugging Swallowing Screen (GUSS), an early assessment tool for dysphagia, in all patients and compared its predictive value with ML models. Following ML algorithms were applied: regularized logistic regressions (ridge, l
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: Communicable diseases represent a huge economic burden for healthcare systems and for society. Sexually transmitted infections (STIs) are a concerning issue, especially in developing and underdeveloped countries, in which environmental factors and other determinants of health play a role in contributing to its fast spread. In light of this situation, machine learning techniques have been explored to assess the incidence of syphilis and contribute to the epidemiological surveillance in this scenario.
OBJECTIVE: The main goal of this work is to evaluate the performance of different
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.
OBJECTIVE: To critically appraise and quantify the performance studies by employing machine learning (ML) to predict delirium.
DESIGN: A systematic review and meta-analysis.
SETTING AND PARTICIPANTS: Articles reporting the use of ML to predict delirium in adult patients were included. Studies were excluded if (1) the primary goal was only the identification of various risk factors for delirium; (2) the full-text article was not found; and (3) the article was published in a language other than English/Chinese.
METHODS: PubMed, Embase, Cochrane Library database, Web of Science, Grey literatur
СтатьяМетаанализСистематический обзорПоддержка 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: Preoperative prediction of pancreatic cystic neoplasm (PCN) differentiation has significant value for the implementation of personalized diagnosis and treatment plans. This study aimed to build radiomics deep learning (DL) models using computed tomography (CT) data for the preoperative differential diagnosis of common cystic tumors of the pancreas.
METHODS: Clinical and CT data of 193 patients with PCN were collected for this study. Among these patients, 99 were pathologically diagnosed with pancreatic serous cystadenoma (SCA), 55 were diagnosed with mucinous cystadenoma (MCA) and
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.