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
3653 публикаций
Поиск: 169 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1117 с найденным полным текстом
Progress in molecular biology and translational science2026eng
The complex interactions between gut microbiota and kidney function in chronic kidney disease (CKD) present a challenging phenomenon in nephrology research. This comprehensive review explores how artificial intelligence (AI) is utilised for our understanding of the gut-kidney axis through multiomics analysis, offering a new platform for disease management and therapeutic interventions. Recent advances in multi-omics technologies have generated unprecedented volumes of data across microbiomics, metabolomics and proteomics platforms, necessitating sophisticated AI-driven approaches for meaningfu
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.
BACKGROUND: The Artificial Kidney Initiation in Kidney Injury (AKIKI) trial showed that a delayed renal replacement therapy (RRT) strategy for severe acute kidney injury (AKI) in critically ill patients was safe and associated with major reduction in RRT initiation compared with an early strategy. The five criteria which mandated RRT initiation in the delayed arm were: severe hyperkalemia, severe acidosis, acute pulmonary edema due to fluid overload resulting in severe hypoxemia, serum urea concentration > 40 mmol/l and oliguria/anuria > 72 h. However, duration of anuria/oliguria and level of
Протокол клинического исследованияСтатьяПолный 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.
OBJECTIVE: To identify the applications of artificial intelligence in the early diagnosis, prediction and management of chronic kidney disease, highlighting the algorithms used, clinical outcomes, and impacts on nephrology practice.
METHODS: In this systematic review, PubMed and Scopus databases were searched without year or language restrictions, including studies published between 2019 and 2025. Article selection followed PRISMA 2020 criteria, considering patients at risk for or diagnosed with chronic kidney disease, artificial intelligence tools as interventions, and outcomes related to ea
СтатьяСистематический обзорПоиск 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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
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.
Rationale: Chronic kidney disease (CKD) is a major public health problem worldwide associated with cardiovascular disease, renal failure, and mortality. To effectively address this growing burden, innovative solutions to management are urgently required. We conducted a scoping review to identify key use cases in which artificial intelligence (AI) could be leveraged for improving management of CKD. Additionally, we examined the challenges faced by AI in CKD management, proposed potential solutions to overcome these barriers. Methods: We reviewed 41 articles published between 2014-2024 which exa
СтатьяScoping ReviewПолный 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: Kidney transplantation is the best renal replacement therapy for patients with end-stage renal disease. Several studies have attempted to identify predisposing factors of graft rejection; however, the results have been inconsistent. We aimed to identify prognostic factors associated with kidney transplant rejection using the artificial neural network (ANN) approach and to compare the results with those obtained by logistic regression (LR).
METHODS: The study used information regarding 378 patients who had undergone kidney transplantation from a retrospective study conducted in Ham
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.
In Italy the first attempts at haemodialysis, first in vitro and animals and then in humans, were carried out in the early 1950s by the surgeons Mario Battezzati e Carlo Taddei of Genoa with an artificial kidney of their own design. During the same years several other surgeons and urologists in Padua, Milan, Turin, Florence, Modena, Rome, Naples and Palermo designed their own artificial kidneys, which were used to treat anuric patients suffering from acute renal failure. The lively interest in artificial kidneys led, in 1954, to the organisation of a symposium on the subject. This was the firs
Историческая статьяСтатьяPortraitПоиск 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: To develop and validate explainable machine learning (ML) models predicting urinary stone composition from routinely available clinical variables and standardised morphological features, and to quantify the incremental value of morphology.
PATIENTS AND METHODS: This retrospective cohort study included consecutive patients undergoing endourological treatment or spontaneous stone expulsion, with laboratory analysis showing a major component exceeding 50% of stone composition, between 2019 and 2024. The outcome was dominant stone composition, classified into five categories: calcium
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.
The global derangement of mineral metabolism that accompanies chronic kidney disease (CKD-MBD) is a major driver of the accelerated mortality for individuals with kidney disease. Advances in the delivery of dialysis, in the composition of phosphate binders, and in the therapies directed towards secondary hyperparathyroidism have failed to improve the cardiovascular event profile in this population. Many obstacles have prevented progress in this field including the incomplete understanding of pathophysiology, the lack of clinical targets for early stages of chronic kidney disease, and the remar
СтатьяОбзорПоиск 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: Pre-transplant procurement biopsy interpretation is challenging, also because of the low number of renal pathology experts. Artificial intelligence (AI) can assist by aiding pathologists with kidney donor biopsy assessment. Herein we present the "Galileo" AI tool, designed specifically to assist the on-call pathologist with interpreting pre-implantation kidney biopsies.
METHODS: A multicenter cohort of whole slide images acquired from core-needle and wedge biopsies of the kidney was collected. A deep learning algorithm was trained to detect the main findings evaluated in the pre-i
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.
The ability to accurately predict long-term kidney transplant survival can assist nephrologists in making therapeutic decisions. However, predicting kidney transplantation (KT) outcomes is challenging due to the complexity of the factors involved. Artificial intelligence (AI) has become an increasingly important tool in the prediction of medical outcomes. Our goal was to utilize both conventional and AI-based methods to predict long-term kidney transplant survival. Our study included 407 KTs divided into two groups (group A: with a graft lifespan greater than 5 years and group B: with poor gra
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.
Protein energy wasting (PEW) is an independent factor associated with morbi-mortality in chronic kidney disease. Wasting is particularly common in chronic diseases of organs such as kidney disease with a major impact at the stage of dialysis. It covers 20 to 70% of patients diagnosed with chronic kidney disease according to the degree of evolution of the disease and the diagnostic method used patients. Mechanisms of PEW are based mainly on anorexia and metabolic abnormalities caused by kidney disease. Nutritional treatment differs depending on the stage of the kidney disease acute or chronic t
СтатьяОбзорПоиск 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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
Клинический случайСтатьяПоиск 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.
Autosomal dominant polycystic kidney disease (ADPKD) is the most common genetic kidney disorder leading to kidney failure. Recent advancements in artificial intelligence (AI) are transforming the diagnosis, risk stratification, management and prognostication in ADPKD by enabling more accurate assessments and individualized care. AI-powered imaging tools enhance the measurement of total kidney volume (TKV), improving the precision and efficiency of monitoring disease progression and more reliable assessment of therapeutic response. Machine learning algorithms can integrate genetic, imaging and
СтатьяОбзорПоиск 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 ability to predict the three-dimensional structure of a protein from its amino acid sequence has potential to provide insights into its function, and in the context of disease, its pathogenic mechanisms and potential drug targets. Artificial intelligence (AI)-driven algorithms, particularly AlphaFold and RoseTTAFold, have revolutionized the field of protein modelling, enabling rapid, high-confidence predictions of protein structures. In nephrology, these advances have clarified the molecular architecture of key renal systems such as podocyte slit diaphragm complexes, the conformational sta
СтатьяОбзорПоддержка NIH: внешняя программаПоиск 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 OF REVIEW: The objective of this review is to provide an update on the application of artificial intelligence (AI) for the histological interpretation of kidney transplant biopsies.
RECENT FINDINGS: AI, particularly convolutional neural networks (CNNs), has demonstrated great potential in accurately identifying kidney structures, detecting abnormalities, and diagnosing rejection with improved objectivity and reproducibility. Key advancements include the segmentation of kidney compartments for accurate assessment and the detection of inflammatory cells to aid in rejection classificatio
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.
We present the first single-center report of 2 consecutive cases of combined heart and kidney transplantation after insertion of a total artificial heart (TAH). Both patients had advanced heart failure and developed dialysis-dependent renal failure after implantation of the TAH. The 2 patients underwent successful heart and kidney transplantation, with restoration of normal heart and kidney function. On the basis of this limited experience, we consider TAH a safe and feasible option for bridging carefully selected patients with heart and kidney failure to combined heart and kidney transplantat
Клинический случайСтатьяПоиск 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.
Thrombotic microangiopathy (TMA) is a rare, but potentially lethal condition requiring rapid recognition, diagnosis and initiation of therapy. Here, we present two cases of women with hemolytic anemia, thrombocytopenia and acute kidney injury shortly after surgical termination of pregnancy. Histological examination of their kidneys revealed endothelial cell swelling and luminal stenosis or fibrin-containing thrombi in the glomeruli and arterioles, which support the diagnosis of TMA. The patients were treated with hemodialysis, plasma infusion and corticosteroids with or without immunosuppressi
Клинический случайСтатьяПоддержка 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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
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.