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
5200 публикаций
Поиск: 349 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1979 с найденным полным текстом
International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics2026eng
INTRODUCTION: For patients requiring hysterectomy, uterine weight is an important factor affecting surgical complexity and surgical outcomes. However, uterine weight is not readily available for analysis in administrative databases. In the present study, we use natural language processing to extract uterine weight from narrative pathology text.
METHODS: Pathology text was obtained for 5000 patients sampled ±3 days of hysterectomy from hospital administrative datasets. The gross pathology subsections that describe the submitted tissues were retained for analysis. Manual annotation was performe
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.
OBJECTIVE: Expert clinician chart review is the most accurate method to identify patients with infection but is laborious and costly. We aimed to develop and externally validate machine-learning models using structured and unstructured data to identify infection in hospitalized patients compared to chart review.
MATERIALS AND METHODS: Adult inpatient encounters at 2 health systems (2006-2016) were manually annotated for suspected infection on admission. Data from one site were used to develop gradient-boosted machine-learning models. Structured features included labs, vital signs, and nursing
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.
This study, using natural language processing and manual thematic analysis of Reddit posts, revealed a rapid rise in discussions about tianeptine, with posts frequently reporting dependence, withdrawal, and coingestion with other unregulated substances, highlighting tianeptine as an emerging public health concern.
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: Early diagnosis of systemic amyloidosis (SA) is associated with improved outcomes. However, early diagnosis remains limited by variable, nonspecific, and multisystemic presentation.
OBJECTIVES: In this study, we used natural language processing (NLP) to develop models for predicting SA diagnosis.
METHODS: Patients with a diagnosis of heart failure (HF) and/or neuropathy and sufficient chart data were identified at Oregon Health & Science University (development cohort) and unstructured text data from electronic health records were used to construct NLP-predictive models for the d
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.
The formation of autism advocacy organisations led by family members of autistic individuals led to intense criticism from some parts of the autistic community. In response to what was perceived as a misrepresentation of their interests, autistic individuals formed autistic self-advocacy groups, adopting the philosophy that autism advocacy should be led 'by' autistic people 'for' autistic people. However, recent claims that self-advocacy organisations represent only a narrow subset of the autistic community have prompted renewed debate surrounding the role of organisations in autism advocacy.
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.
There is a clinical need to appropriately apply large language model (LLM)-based systems for use in infectious diseases. We sought to use LLM and machine learning for extracting antibiotic susceptibility from clinical microbiology free-text reports, allowing use for outbreak detection, increasing information gathering efficiency, and public health reporting.
СтатьяПоддержка NIH: внешняя программаПоддержка службы здравоохранения СШАПоддержка 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.
The annual incidence of venous thromboembolism (VTE) may be 50-fold increased after allogeneic hematopoietic stem cell transplant (HSCT). Such incidence data, as well as data that establish clinical variables resulting in this enhanced risk, have generally required manual chart review. This cumbersome process can be improved by natural language processing (NLP) algorithms designed to detect VTE in electronic medical record systems. We describe the development of an institutional NLP algorithm for VTE detection, and our evaluation of its performance in detecting VTE in patients who recently und
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.
Neurodegenerative disorders exhibit considerable clinical heterogeneity and are frequently misdiagnosed. This heterogeneity is often neglected and difficult to study. Therefore, innovative data-driven approaches utilizing substantial autopsy cohorts are needed to address this complexity and improve diagnosis, prognosis and fundamental research. We present clinical disease trajectories from 3,042 Netherlands Brain Bank donors, encompassing 84 neuropsychiatric signs and symptoms identified through natural language processing. This unique resource provides valuable new insights into neurodegenera
Поиск 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: Medical record review by a physician clinical events committee is the gold standard for identifying cardiovascular outcomes in clinical trials, but is labor-intensive and poorly reproducible. Automated outcome adjudication by artificial intelligence (AI) could enable larger and less expensive clinical trials but has not been validated in global studies.
METHODS: We developed a novel model for automated AI-based heart failure adjudication (Heart Failure Natural Language Processing) using hospitalizations from 3 international clinical outcomes trials. This model was tested on potent
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.
IMPORTANCE: International Classification of Diseases-coded hospital discharge data do not accurately reflect whether firearm injuries were caused by assault, unintentional injury, self-harm, legal intervention, or were of undetermined intent. Applying natural language processing (NLP) and machine learning (ML) techniques to electronic health record (EHR) narrative text could be associated with improved accuracy of firearm injury intent data.
OBJECTIVE: To assess the accuracy with which an ML model identified firearm injury intent.
DESIGN, SETTING, AND PARTICIPANTS: A cross-sectional retrospe
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.
BACKGROUND: Type II workplace violence in health care, perpetrated by patients/clients toward home healthcare nurses, is a serious health and safety issue. A significant portion of violent incidents are not officially reported. Natural language processing can detect these "hidden cases" from clinical notes. In this study, we computed the 12-month prevalence of Type II workplace violence from home healthcare nurses' clinical notes by developing and utilizing a natural language processing system.
METHODS: Nearly 600,000 clinical visit notes from two large U.S.-based home healthcare agencies wer
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: Microvascular decompression (MVD) as a treatment for trigeminal neuralgia (TGN) has high success rate but is associated with risks of complication. This study analyzes Twitter to provide insights into discussions surrounding MVD for patients with TGN.
METHODS: A Twitter search performed in April 2022 yielded 491 tweets from 426 accounts. Tweets and accounts were classified thematically, and descriptive statistics were used for various social media metrics. Using a natural language processing machine learning algorithm, sentiment analysis (SA) was performed to evaluate patient persp
ОбзорСтатьяПолный 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.
Delirium is known to be underdiagnosed and underdocumented. Delirium detection in retrospective studies occurs mostly by clinician diagnosis or nursing documentation. This study aims to assess the effectiveness of natural language processing-confusion assessment method (NLP-CAM) algorithm when compared to conventional modalities of delirium detection. A multicenter retrospective study analyzed 4351 COVID-19 hospitalized patient records to identify delirium occurrence utilizing three different delirium detection modalities namely clinician diagnosis, nursing documentation, and the NLP-CAM algor
Многоцентровое исследованиеСтатьяПоиск 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: Psychiatric disorders are diagnosed through observations of psychiatrists according to diagnostic criteria such as the DSM-5. Such observations, however, are mainly based on each psychiatrist's level of experience and often lack objectivity, potentially leading to disagreements among psychiatrists. In contrast, specific linguistic features can be observed in some psychiatric disorders, such as a loosening of associations in schizophrenia. Some studies explored biomarkers, but biomarkers have yet to be used in clinical practice.
AIM: The purposes of this study are to create a lar
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.
OBJECTIVES: To compare different Machine Learning (ML) Natural Language Processing (NLP) methods to classify radiology reports in orthopaedic trauma for the presence of injuries. Assessing NLP performance is a prerequisite for downstream tasks and therefore of importance from a clinical perspective (avoiding missed injuries, quality check, insight in diagnostic yield) as well as from a research perspective (identification of patient cohorts, annotation of radiographs).
METHODS: Datasets of Dutch radiology reports of injured extremities (n = 2469, 33% fractures) and chest radiographs (n = 799,
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.
Housing stability is an important determinant of health. The US Department of Veterans Affairs (VA) administers several programs to assist Veterans experiencing unstable housing. Measuring long-term housing stability of Veterans who receive assistance from VA is difficult due to a lack of standardized structured documentation in the Electronic Health Record (EHR). However, the text of clinical notes often contains detailed information about Veterans' housing situations that may be extracted using natural language processing (NLP). We present a novel NLP-based measurement of Veteran housing sta
СтатьяПоддержка 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.
Many patients with gout flares treated in the Emergency Department (ED) often do not receive optimal continuity of care after an ED visit. Thus, developing methods to identify patients with gout flares in the ED and referring them to appropriate outpatient gout care is required. While Natural Language Processing (NLP) has been used to detect gout flares retrospectively, it is much more challenging to identify patients prospectively during an ED visit where documentation is usually minimal. We annotate a corpus of ED triage nurse chief complaint notes for the presence of gout flares and impleme
СтатьяПоддержка NIH: внешняя программаПоддержка 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: The Unified Parkinson's Disease Rating Scale (UPDRS Part III) is often not obtained postoperatively in routine clinical practice, limiting objective assessment of treatment response following deep brain stimulation (DBS). We examine whether natural language processing (NLP) offers a potential approach to use narrative clinical documentation to predict motor outcomes and evaluate therapeutic responsiveness when formal postoperative scoring is unavailable.
METHODS: Neurology notes and UPDRS Part III assessments were obtained from 25 patients with Parkinson's disease pre- and posto
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.
Multimodal natural language processing (NLP) represents a transformative approach in ophthalmology by bridging clinical text and medical imaging to enhance diagnostic accuracy, workflow efficiency, and patient-centered care. The mainstream NLP technologies were applied in ophthalmology, such as self-attention and cross-modality attention in multimodal settings, BERT and GPT in text-focused settings, and vision-focused transformers in imaging-focused settings. The applications of multimodal NLP in ophthalmology cover three key domains as follows: clinical text-image integration for comprehensiv
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.
Many patients now view their radical prostatectomy (RP) pathology before provider discussion, increasing anxiety and administrative burden. With expanding utilization of AI-assisted medical workflows, it is important to implement strategies to improve the interpretation of patient-facing information involving complex medical language. We compare a rules-based natural language processing (NLP) model and a large language model (LLM) using zero-shot prompting to identify the optimal framework for developing accurate, patient-facing RP pathology summaries. Models were assessed for accuracy in extr
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.