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
9676 публикаций
Поиск: 311 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 3129 с найденным полным текстом
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
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/Objectives: Health systems involve numerous stakeholders interconnected through nonlinear relationships. While Data Envelopment Analysis (DEA) has been widely used to measure health system efficiency, conventional estimates may exhibit finite-sample bias. An important question, therefore, concerns how health system performance can be measured more reliably, and what factors explain cross-country differences in efficiency. This study introduces an integrated framework that combines Two-Stage Bootstrap DEA with machine learning to assess the performance of the health systems of 26 OEC
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.
OBJECTIVE: To prioritize social risks (individual-level social and economic conditions) that may influence a person's health for inclusion in a national survey of Veterans Affairs (VA) healthcare system patients.
DATA SOURCES AND STUDY SETTING: Quantitative ratings of candidate survey measures were obtained from a national Advisory Group of researchers, clinicians, Veterans, and VA operations leaders; qualitative input was collected from the Advisory Group and Veterans.
STUDY DESIGN: We solicited input on social risk prioritization across four phases: (1) candidate social risks were identifi
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.
Infertility has become a global health problem, increasing the number of couples looking for in vitro fertilization (IVF). Despite advances and technical improvements, some couples remain childless due to the high complexity of the technique. The use of machine learning (ML) in the prediction of pregnancy, computing factors that could interfere in the effectiveness of the treatment, is an important tool to optimize these factors and reach the success of pregnancy. The aim of this study was to apply ML models to determine variables related to pregnancy after IVF in a public health service, incl
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.
INTRODUCTION: Primary healthcare, through community-based care provision, is a pathway to achieving universal health coverage (UHC). Ghana adopted the Community-based Health Planning and Services (CHPS) initiative as a national health strategy to drive UHC. Challenges with the national scale-up led to strengthening CHPS in the Upper East Region through the Ghana Essential Health Interventions Programme (GEHIP). Subsequently, CHPS+ was implemented to further strengthen CHPS and sustain the gains of GEHIP. CHPS+ adopted a peer learning implementation strategy through health personnel visits to U
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: While universal screening for Lipoprotein(a) [Lp(a)] is increasingly recommended, <0.5% of patients undergo Lp(a) testing. Here, we assessed the feasibility of deploying Algorithmic Risk Inspection for Screening Elevated Lp(a) (ARISE), a validated machine learning tool, to health system electronic health records to increase the yield of Lp(a) testing.
METHODS: We randomly sampled 100 000 patients from the Yale-New Haven Health System to evaluate the feasibility of ARISE deployment. We also evaluated Lp(a)-tested populations in the Yale-New Haven Health System (n=7981) and the Vand
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.
Rated number one in overall health system performance by the World Health Organization, the French spend less than half the amount on annual health care per capita that the United States spends. One contributing factor may be the attention given to chronic care. Since the mid-1900s, the French have developed regional community-based specialty systems for patients with chronic respiratory insufficiency or failure. COPD is the major cause of respiratory failure, the fourth leading cause of death in the United States, and its prevalence is increasing. Despite the clinical success of home mechanic
СтатьяПоддержка исследования: вне правительства СШАОбзорПолный 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.
INTRODUCTION: Learning communities need access to resources to support efforts in building and sustaining learning health systems. This experience report details our development and initial assessments of the Learning Health System (LHS) Toolkit, a menu of resources purpose-designed to support users to build more proactive, responsive, and equitable systems of care by developing, implementing and sustaining LHSs.
METHODS: Toolkit development began in 2022, and the current version was completed in 2025. To optimize knowledge translation, we structured our methods to align with the phases of th
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: Early identification and treatment of sexually transmitted infections (STIs) prevents complications and improves STI control. However, there are obstacles to delivering accessible care, particularly for genital conditions.
METHODS: We developed a deep learning system (DLS) using 15,891 clinical images from public repositories and the Melbourne Sexual Health Centre (MSHC) to classify 33 anogenital dermatological conditions, including STIs and non-STIs. We prospectively collected 336 images to evaluate the DLS's accuracy and compared it to the clinician diagnosis. We also evaluated
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: Cardiovascular risk management (CVRM) guidelines have been developed to evaluate and manage all patients at higher cardiovascular risk, being either symptomatic or still asymptomatic. Although these guidelines have long existed, adherence varies. A learning health care system (LHS) could address adherence by continuously analyzing routine care data to inform and improve health care practice. Dashboards may be used to inform clinicians on the care provided and potentially improve structured registration of CVRM indicators in electronic health records (EHRs).
OBJECTIVE: We evaluated
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.
INTRODUCTION: Preexisting and pregnancy-related medical conditions frequently co-occur, leading to multimorbidity (≥2 morbidities) in pregnant women, and much of this information is in semi-structured format in electronic medical records (EMRs). The aim was to advance the learning health system as a platform for automating information extraction from EMRs and to uncover the prevalence of common morbidities during pregnancy and their association with pregnancy-related complications.
METHODS: This study included 48 502 pregnant women attending Monash Health maternity hospitals from 2016 to 2021
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: Effective measures exist to prevent the spread of HIV. However, the identification of patients who are candidates for these measures can be a challenge. A machine learning model to predict risk for HIV may enhance patient selection for proactive outreach.
SETTING: Using data from the electronic health record at Parkland Health, 1 of the largest public healthcare systems in the country, a machine learning model is created to predict incident HIV cases. The study cohort includes any patient aged 16 or older from 2015 to 2019 (n = 458,893).
METHODS: Implementing a 70:30 ratio random
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.
INTRODUCTION: College students' psychological vulnerability assessment is constrained by data scarcity, high labeling cost, privacy sensitivity, and small, imbalanced samples, and existing frameworks typically treat vulnerability as a static judgment that cannot track how a student's condition changes over time. This study examined whether a few-sample hierarchical grading model combined with meta-reinforcement-learning-based sequential decision-making could address both problems jointly.
METHODS: A few-sample hierarchical grading model, combining meta-learning and transfer regularization wit
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.
INTRODUCTION: Texas Health Resources (THR), a large, nonprofit health care system based in the Dallas-Fort Worth area, has collaborated with the University of Texas Southwestern Medical Center (UTSW) to develop and operate a unique, integrated approach for Learning Health System (LHS) workforce development. This training model centers on academic health system faculty members conducting later-stage translational research within a partnering regional care delivery organization.
METHODS: The THR Clinical Scholars Program engages early career UTSW faculty members to conduct studies that are like
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 have worked to develop a Clinical Information Network (CIN) in Kenya as an early form of learning health systems (LHS) focused on paediatric and neonatal care that now spans 22 hospitals. CIN's aim was to examine important outcomes of hospitalisation at scale, identify and ultimately solve practical problems of service delivery, drive improvements in quality and test interventions. By including multiple routine settings in research, we aimed to promote generalisability of findings and demonstrate potential efficiencies derived from LHS. We illustrate the nature and range of research CIN has
СтатьяПоддержка NIH: внешняя программаОбзорПоиск 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: Corticosteroids have long been used to treat inflammatory bowel disease. However, cumulative corticosteroid exposure is associated with adverse effects, particularly in growing children. Professional guidelines recommend steroid-sparing strategies. It remains unknown whether corticosteroid use has decreased in children with inflammatory bowel disease.
METHODS: We performed retrospective cohort study using data from 2007 to 2018 from the international multi-center ImproveCareNow Network, a pediatric inflammatory bowel disease quality improvement collaborative. Pediatric patients di
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.
There has been discussion and confusion about SNOMED-CT (systematised nomenclature of medicine clinical terminology), learning health systems (LHSs) and their relevance in dentistry. This article aims to provide an overview of SNOMED-CT, LHSs and the all-too-often omitted patient and service benefits from their use. LHSs are delivering impactful benefits to patients and services globally in medicine. There are some examples in dentistry, but these are few and lack the nationalised co-ordinated efforts supporting general medical practice (GP) electronic health record (EHR) databases. These impa
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
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.
Responding to commentaries on "Social Prescribing as Strategic Infrastructure," this rejoinder builds on reflections about public provision, community capacity, equity, relational labour and the limits of clinically led referral models. It argues that these contributions sharpen and extend the central proposition: social prescribing can connect local experience to institutional learning, financing and system change. The paper reframes social prescribing across intervention, infrastructure and transformation, and situates it within a learning health policy system and an enabling state that buil
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.
Learning health systems (LHS) use continuous data-driven learning cycles to improve care delivery, but seldom apply this approach to advance health equity. This perspective describes how the Veterans Health Administration (VA) applied LHS principles through a research-operations partnership between the Office of Health Equity (OHE) and the VA Health Equity-Quality Enhancement Research Initiative (QUERI) National Partnered Evaluation Center (PEC) to address racial and ethnic disparities in patient experience among VA users. The PEC analyzed the Survey of Healthcare Experience of Patients data t
Редакционная 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.