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: 168 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 376 с найденным полным текстом
INTRODUCTION: The identification of nondiabetic kidney disease (NDKD) in diabetic patients is critically important. Unlike diabetic nephropathy, NDKD often requires additional therapeutic interventions beyond standard diabetes care. There is a need to develop computational methods using electronic medical record data to identify NDKD in diabetic patients for whom kidney biopsy is not an option.
METHODS: The study included 1,136 diabetic patients who underwent kidney biopsy at a tertiary teaching hospital. We collected 103 parameters from electronic medical records, including demographic chara
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 and Objectives: As society ages, the number of patients with cognitive impairment is increasing. Machine learning methods that use structured clinical and cognitive-assessment data during routine diagnostic work-up may support and monitor structured classifications of cognitive status. This kind of approach can improve early screening, reduce physicians' workload and develop greater support for personalized treatment. To develop an XGBoost-based machine learning model using the National Alzheimer's Coordinating Center (NACC) dataset and to evaluate the model's precision with clinici
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.
To develop a machine-learning-based predictive model for postoperative urinary sepsis following ureteroscopic lithotripsy, providing a scientific basis for early clinical identification of high-risk patients. A total of 927 patients who underwent ureteroscopic lithotripsy at a Grade III-A hospital in Guizhou Province from September 2024 to September 2025 were enrolled as the study subjects. Clinical data were collected and randomly divided into a training set (70%) and a test set (30%) according to a 7:3 ratio. Four machine-learning algorithms—SVM, LR, RF, and XGBoost—were used to construct pr
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.
OBJECTIVES: Postoperative delirium (POD) is a frequent complication following cardiovascular surgery and requires timely intervention. While early risk prediction holds clinical value, practical tools remain limited. This study aims to identify EEG-based features associated with POD and evaluate their predictive potential using machine learning.
METHODS: 70 patients undergoing cardiovascular surgery were enrolled, including 35 with POD and 35 without. Functional connectivity was assessed using phase-locking values (PLV) derived from intraoperative EEG data. Network edges showing significant b
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: Prostate cancer (PCa) is characterized by pronounced intratumoral heterogeneity and multifocality, presenting ongoing challenges for early and precise diagnosis. In clinical practice, a substantial proportion of patients initially diagnosed with benign prostatic hyperplasia (BPH) are subsequently found to harbor latent PCa during follow-up. However, current prostate-specific antigen (PSA)-based screening lacks the specificity required to resolve this diagnostic overlap. This study aimed to develop and internally validate an interpretable machine learning (ML) model as an adjunct to
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: This study aimed to develop a machine learning-based prediction model for myopia progression using ocular biometric parameters to provide an objective assessment tool for clinical practice.
METHODS: A retrospective analysis was conducted on patients treated at Shanghai Parkway Health Ophthalmology Department as the training set, and myopic individuals from the Optometry Center of Peking University People's Hospital as the validation set. Demographic and biometric data were collected, including central corneal thickness (CCT), axial length (AL), corneal curvature (K-value), anterior c
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.
Peripheral T-cell lymphoma-not otherwise specified (PTCL-NOS) is a highly aggressive and heterogeneous lymphoma subtype with a poor prognosis. This study aims to develop a machine learning-based model to predict early death (within 3 months of diagnosis) in PTCL-NOS patients using data from the SEER database (2016-2021). A total of 1,156 patients were included and randomly divided into training (n = 809) and validation (n = 347) sets. Key predictive factors were identified through Boruta and LASSO algorithms, including chemotherapy, radiotherapy, age, B symptoms, primary tumor site, Summary St
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.
OBJECTIVES: FMF is a monogenic autoinflammatory disease caused by MEFV mutations, with amyloidosis as its most severe complication. This study aimed to compare logistic regression, random forest, and gradient-boosting models to predict amyloidosis in FMF patients.
METHODS: Patients with FMF diagnosed between 1990 and 2022 at Cerrahpaşa Faculty of Medicine were retrospectively screened. Eligible patients with available clinical records were included. Clinical, genetic, and laboratory variables were extracted. Univariate analyses and pooled multivariate logistic regression were conducted. Logis
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: Machine learning (ML) has transformed oncological risk prediction by enabling personalized therapeutic strategies. Local tumor control remains a critical endpoint in anal cancer management. This study aimed to develop and validate an explainable ML model for predicting local recurrence at 3 years in patients with anal cancer.
METHODS AND MATERIALS: We analyzed data from the prospective multicentric FFCD-Anabase cohort, comprising 1,015 patients with anal cancer treated with chemoradiotherapy across 60 French centers between January 2015 and April 2020. The endpoint was local recurren
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: The accuracy of current tools for predicting adverse events in older inpatients with possible sarcopenia is still insufficient to develop individualized nutrition-related management strategies. The objectives were to develop a machine learning model based on nutritional assessment for the prediction of all-cause death and infectious complications.
METHODS: A cohort of older patients with possible sarcopenia (divided into training group [70%] and validation group [30%]) from 30 hospitals in 14 major cities in China was retrospectively analyzed. Clinical characteristics, laboratory
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: This paper describes the development of low-cost, effective, non-invasive machine learning-based prediction models for Down Syndrome in the first two trimesters of pregnancy in Vietnam. These models are adaptable to different situations with limited screening capacities at community-based healthcare facilities.
METHOD: Ultrasound and biochemical testing alone and in combination, from both trimesters were employed to build prediction models based on k-Nearest Neighbor, Support Vector Machine, Random Forest, and Extreme Gradient Boosting algorithms.
RESULTS: A total of 7,076 pregna
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.
Journal of oral pathology & medicine : official publication of the International Association of Oral Pathologists and the American Academy of Oral Pathology2026eng
OBJECTIVE: This study aimed to develop and evaluate Machine Learning models to predict the malignant transformation (MT) in patients with actinic cheilitis (AC).
METHODS: Three hundred forty patients diagnosed with AC (322 in the no MT group, and 18 in the MT group) were carefully documented. The study used the Adaptive Synthetic Sampling to adaptively balance the dataset (322 in the no MT group and 319 in the MT group). Four supervised Machine Learning classifiers (Random Forest, Xtreme Gradient Boosting, Multilayer Perceptron, and Support Vector Machine) were trained and tested using 5-fold
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.
Accurate discrimination between iron deficiency anemia (IDA) and thalassemia trait (TT) is clinically essential for the effective management of patients with hypochromic microcytic anemia. Although numerous discrimination indices based on red blood cell (RBC) parameters have been proposed, their diagnostic accuracy remains suboptimal and highly population-specific. This study aimed to develop and validate a machine learning model to enhance discriminative performance. We utilized a derivation cohort of 376 patients (IDA, n = 186; TT, n = 190) for model development and internal validation, and
СтатьяСравнительное 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: Women with diminished ovarian reserve (DOR) experience cumulative live birth (cLBR) rates below 30% following embryo transfer, yet existing prediction tools rely on static baseline parameters and lack interpretability, limiting their clinical utility for counseling about long-term treatment success.
METHODS: We developed and validated stage-specific machine learning models for predicting cumulative live birth per oocyte retrieval cycle-encompassing all fresh and frozen embryo transfers-in 1,234 cycles among women with DOR (AMH ≤1.1 ng/mL) at a single tertiary center. Using Random
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.
IntroductionLung cancer is a common cancer with a high mortality rate worldwide. Significant differences in treatment, prognosis, and recurrence rates exist depending on lung cancer subtype. The goal of our study is to use machine learning models based on chest computed tomography (CT) scans to predict tumor subtypes.MethodsA total of 99 lung cancer cases with histopathological tissue diagnosis were included in this retrospective, single-center study. Tumor segmentation was performed in three-dimension (3D) using mediastinal and parenchymal windows on a chest CT, and 180 features were extracte
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: Metastatic cancer remains one of the leading causes of cancer-related mortality worldwide. Yet, the prediction of survivability in this population remains limited by heterogeneous clinical presentations and high-dimensional molecular features. Advances in machine learning (ML) provide an opportunity to integrate diverse patient- and tumor-level factors into explainable predictive ML models. Leveraging large real-world datasets and modern ML techniques can enable improved risk stratification and precision oncology.
OBJECTIVE: This study aimed to develop and interpret ML models for
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.
Optimizing the prediction of anti-colorectal cancer agent activity is essential aspect in the identification and creation of medications. Machine learning (ML) techniques, which have gained widespread adoption in computational chemistry, offer a rapid and reliable approach for evaluating the relationship between molecular structures and bioactivity. In this paper, a comprehensive dataset of molecular descriptors and quantum chemical properties was compiled, encompassing general molecular properties, electronic and quantum characteristics, aromatic ring structure, halogen effects, functional gr
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 aims to develop a machine-learning model using electronic medical records to predict postoperative complications after radical gastrectomy for gastric cancer. Data from 4892 patients who underwent the procedure between January 2012 and March 2022 were analyzed. Complications were defined as grade 1 or higher according to the Clavien-Dindo classification. Thirty-two predictors identified from previous research were matched to electronic medical records. After preprocessing, 5 machine-learning models-logistic regression, random forest, extreme gradient boosting, CatBoost, and multilay
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: Widespread access to diagnosis of cognitive decline remains inadequate. Assessment tools rely on neuroimaging, biofluid markers, or lengthy neuropsychological batteries. This reliance limits their use in primary care and low-resource settings and contributes to healthcare disparities. We developed and validated a three-level, resource-stratified machine learning framework to provide scalable dementia screening and prognostic risk stratification across diverse healthcare settings. METHODS: We used data from 31,081 participants in the National Alzheimer’s Coordinating Center. We trai
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
IntroductionLiver metastasis (LM) is the most common site of distant metastasis in gastric cancer (GC), significantly affecting patient prognosis. This study developed a machine learning (ML) model to predict the risk of liver metastasis in gastric cancer patients using data from the Surveillance, Epidemiology, and End Results (SEER) database.MethodsData from eligible GC patients between 2010 and 2015 were collected from the SEER database. Stratified randomization divided the data into a training set (70%, n=7671) and a validation set (30%, n=3287). Univariate and multivariate logistic regress
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.