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
35352 публикаций
Поиск: 1370 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2553 с найденным полным текстом
International journal of medical informatics2023eng
BACKGROUND: Early identification of pregnant women at high risk of developing gestational diabetes (GDM) is desirable as effective lifestyle interventions are available to prevent GDM and to reduce associated adverse outcomes. Personalised probability of developing GDM during pregnancy can be determined using a risk prediction model. These models extend from traditional statistics to machine learning methods; however, accuracy remains sub-optimal.
OBJECTIVE: We aimed to compare multiple machine learning algorithms to develop GDM risk prediction models, then to determine the optimal model for
СтатьяСравнительное 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.
BACKGROUND AND AIMS: Posthepatectomy liver failure (PHLF) remains a severe complication after hepatectomy for hepatocellular carcinoma (HCC) and accurate preoperative evaluation and predictive measures are urgently needed. We investigated the impact of the controlling nutritional status (CONUT) score on PHLF and utilized machine learning (ML) algorithms to identify high-risk individuals of PHLF.
METHOD: A total of 464 patients with HCC undergoing hepatectomy were randomized 7 : 2: 1 into the training group ( n = 324), test group ( n = 94), and validation group ( n = 46). In the training gr
СтатьяРандомизированное исследованиеВалидационное 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.
OBJECTIVE: Prediction of lymph node metastasis (LNM) for intrahepatic cholangiocarcinoma (ICC) is critical for the treatment regimen and prognosis. We aim to develop and validate machine learning (ML)-based predictive models for LNM in patients with ICC.
METHODS: A total of 345 patients with clinicopathological characteristics confirmed ICC from Jan 2007 to Jan 2019 were enrolled. The predictors of LNM were identified by the least absolute shrinkage and selection operator (LASSO) and logistic analysis. The selected variables were used for developing prediction models for LNM by six ML algorit
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.
OBJECTIVES: This study aimed to systematically evaluate the predictive performance and methodological characteristics of machine learning-based models for predicting progression to severe Mycoplasma pneumoniae pneumonia (SMPP) in pediatric patients.
METHODS: A comprehensive literature search was conducted in PubMed, EMBASE, Web of Science, Cochrane Library, CNKI, and Wanfang databases from inception to November 2025 to identify studies developing or validating prediction models for SMPP in children. Data on study characteristics, modeling algorithms, predictors, and performance metrics were e
СтатьяСистематический обзорМетаанализПоиск 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 algorithms have been used to predict malaria risk and severity, identify immunity biomarkers for malaria vaccine candidates, and determine molecular biomarkers of antimalarial drug resistance. Developing these prediction models requires large training datasets to ensure prediction accuracy when applied to new individuals in the target population. Learning curves can be used to assess the sample size required for the training dataset by evaluating the predictive performance of a model trained using different dataset sizes. These curves are agnostic to the specific p
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.
Alzheimer’s Disease (AD) represents a growing global health challenge, driven by complex genetic factors and diverse risk contributors. Currently, an estimated 55 million people worldwide are affected by dementia, with AD responsible for 60–70% of these cases. This paper explores the application of advanced machine learning approaches to predict AD risk using Genome-Wide Association Studies data from multiple cohorts, with a particular focus on transfer learning and feature selection techniques. We evaluate the performance of Wide and Deep Neural Networks and Multi-Head Attention in assessing
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.
Microbial culture processes exhibit complex and nonlinear dynamics, and accurate monitoring and prediction are essential for effective process optimization. Conventional monitoring methods primarily rely on low-dimensional sensor measurements, such as optical density (OD), dissolved oxygen (DO), and pH, which provide useful quantitative information but do not fully capture the physicochemical characteristics of the culture system. In this study, an image-based analytical framework was developed for high-dimensional analysis and time-series prediction during the cultivation of Bacillus subtilis
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: Non-alcoholic fatty liver disease (NAFLD) is increasingly prevalent among adolescents and poses a significant public health challenge. Due to limitations in imaging and invasive diagnostic methods such as liver biopsy, there is a pressing need for accurate, cost-effective, and non-invasive risk prediction tools. This study aims to develop and compare multiple machine learning (ML) models to predict NAFLD risk in adolescents using routine anthropometric and laboratory data from the National Health and Nutrition Examination Survey (NHANES) 2011-2020 dataset.
METHODS: Data from 2,132
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.
Mild cognitive impairment (MCI) is a clinical condition characterized by a decline in cognitive ability and progression of cognitive impairment. It is often considered a transitional stage between normal aging and Alzheimer's disease (AD). This study aimed to compare deep learning (DL) and traditional machine learning (ML) methods in predicting MCI using plasma proteomic biomarkers. A total of 239 adults were selected from the Alzheimer's Disease Neuroimaging Initiative (ADNI) cohort along with a pool of 146 plasma proteomic biomarkers. We evaluated seven traditional ML models (support vector
СтатьяСравнительное 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: Accurately predicting the survival outcomes of patients with lung cancer receiving chemotherapy remains challenging.
OBJECTIVE: To improve clinical management of this population, this study developed a multivariate machine learning (ML) model to assess all-cause mortality risk in chemotherapy-treated patients with lung cancer.
METHODS: This study retrospectively recruited 1278 postchemotherapy patients with lung cancer from Guangzhou Chest Hospital between 2017 and 2019. Candidate features such as demographic characteristics, environmental exposures, clinical information, and pat
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.
INTRODUCTION: The present study presents the development and validation of a clinical prediction model using random survival forest (RSF) and stepwise Cox regression, aiming to predict the probability of pelvic inflammatory disease (PID) progressing to sepsis.
METHODS: A retrospective cohort study was conducted, gathering clinical data of patients diagnosed with PID between 2008 and 2019 from the Medical Information Mart for Intensive Care (MIMIC)-IV database. Patients who met the Sepsis 3.0 diagnostic criteria were selected, with sepsis as the outcome. Univariate Cox regression and stepwise
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: An effective Deep learning (DL) based Early Childhood Caries (ECC) prediction model is crucial for early detection of ECC. This study aims to develop and evaluate a deep learning (DL) based hybrid statistical model for ECC prediction.
METHODS: The study employed a computational cross-sectional design, conducted over a three-year period from March 2021 to March 2024. Data analysis was carried out using a hybrid statistical approach that integrated bootstrap methods, Logistic Regression Modelling (LRM), and Multilayer Feed-Forward Neural Networks (MLFFNN). The sample comprised 157 pare
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: Machine-learning models directly predicting iron biomarkers after blood donation could help to manage donation-associated iron deficiency and avoid low haemoglobin deferrals. No such models have been externally validated internationally. Our aim was to develop and externally validate machine-learning models predicting returning blood donors' haemoglobin and ferritin.
METHODS: We developed machine-learning models using retrospective blood donation data. The training cohort included 2425 repeat donors (2007-09 US-based RISE study); external validation used 2014-23 cohorts from the U
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.
BACKGROUND: Necrotizing enterocolitis (NEC) is one of the most common diseases that pose serious threats to the life of newborns. In clinical practice, NEC is typically treated by surgical intervention, but it is still difficult to identify the timing of surgical intervention for this disease. Therefore, this study was conducted to establish a machine learning (ML) model for identifying the optimal timing of surgical intervention for NEC by comparing logistic regression (LR) models with ML models and to visualize important influencing indicators via a nomogram.
METHODS: The basic information,
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.
Plasma protein binding (PPB) is closely related to pharmacokinetics, pharmacodynamics and drug toxicity. Existing models for predicting PPB often suffer from low prediction accuracy and poor interpretability, especially for high PPB compounds, and are most often not experimentally validated. Here, we carried out a strict data curation protocol, and applied consensus modeling to obtain a model with a coefficient of determination of 0.90 and 0.91 on the training set and the test set, respectively. This model (available on the OCHEM platform https://ochem.eu/article/29) was further retrospectivel
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.
In this study, we apply a multidisciplinary approach to investigate falls in PD patients using clinical, demographic and neuroimaging data from two independent initiatives (University of Michigan and Tel Aviv Sourasky Medical Center). Using machine learning techniques, we construct predictive models to discriminate fallers and non-fallers. Through controlled feature selection, we identified the most salient predictors of patient falls including gait speed, Hoehn and Yahr stage, postural instability and gait difficulty-related measurements. The model-based and model-free analytical methods we e
СтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПоддержка 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.
Diabetes represents a significant global health challenge, underscoring the need for enhanced methodologies in glycemic monitoring and risk assessment. Static biomarkers, including fasting plasma glucose and glycated hemoglobin, may have limitations in capturing the temporal variations and individual heterogeneities inherent in glucose regulation. Continuous glucose monitoring (CGM) offers a high-resolution approach that may facilitate timely metabolic categorization. However, there is a notable scarcity of modeling frameworks that integrate CGM data while maintaining both interpretability and
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: Despite a global decline in the incidence of gastric cancer (GC), the number of cases diagnosed among younger individuals continues to increase. Several studies have been conducted to develop predictive models of mortality in patients with GC.
OBJECTIVE: We developed 3- and 5-year survival prediction models for young patients with GC based on machine learning-based survival modeling approaches.
METHODS: Data from 813 young patients (≤50 years) diagnosed with GC between 2013 and 2015 were retrieved from the Gastric Cancer Public Staging Database. Among these 813 patients, data fro
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.
To provide a reference for the initial diagnosis of clinical prostate cancer, we identified predictors and established a risk prediction model by analyzing a national Chinese prostate tumor dataset. Average value was used to interpolate the data from a prostate cancer dataset provided by the National Population Health Data Center of China. Factor screening was performed using the Kruskal-Wallis test and binary logistic regression. A multicollinearity analysis was performed on the variables. Cleaned data were divided into training and test datasets. Seven machine learning models and the 3 tradi
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.
Diabetic peripheral vascular disease (DPVD) and diabetic foot (DF) are major complications that lead to disability in diabetic patients, severely impaired their quality of life. Firstly, this study gathered cross-sectional data from 1240 patients with type 2 diabetes and its complications in the the department of vascular surgery and endocrinology of the second affiliated hospital of zhejiang university school of medicine. In the pre-processing part, samples with serious data loss are eliminated, and the data are processed by methods such as MICEforest. After that, random forest (RF), support
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.