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
4030 публикаций
Поиск: 191 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 376 с найденным полным текстом
Immunization is a cost-effective public health intervention globally, including in Ethiopia. However, the study focused on children aged 0-59 months and analyzed factors influencing incomplete immunization using ensemble machine learning techniques. A total of 16,394 EDHS datasets were used, with 80% for training and 20% for testing sets. Accordingly, the training set consisted of 13,115 samples, while the testing set contained 3,279 samples. Ensemble learning algorithms were employed, including Bagging methods (Bagging meta-estimator, Random Forest), Boosting methods (Gradient Boosting, XGBoo
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.
There is high risk of mortality between stage I and stage II palliation of single ventricle heart disease. This study aimed to leverage advanced machine learning algorithms to optimize risk-prediction models and identify features most predictive of interstage mortality. This study utilized retrospective data from the National Pediatric Cardiology Quality Improvement Collaborative and included all patients who underwent stage I palliation and survived to hospital discharge (2008-2019). Multiple machine learning models were evaluated, including logistic regression, random forest, gradient boosti
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: Adolescent alcohol consumption is a known risk factor for developing alcohol use disorder (AUD) in adulthood, but individual susceptibility varies widely, contributed to by differences in factors that are not well-understood. Identifying patterns of developmental trajectories in voluntary alcohol consumption behavior during adolescence could provide insight into biological underpinnings of AUD risk. Machine learning (ML) offers powerful pattern recognition capabilities that may help forecast future behavioral trajectories based on early-stage data.
OBJECTIVE: This study aimed to e
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.
Hepatitis C virus (HCV) infection remains a leading cause of liver cirrhosis and hepatocellular carcinoma globally, affecting approximately 50 million people with chronic infection worldwide. Traditional diagnostic approaches often rely on extensive biomarker panels, resulting in increased healthcare costs and clinical complexity without corresponding improvements in diagnostic accuracy. This study presents a novel multi-agent reinforcement learning (MARL) framework for optimizing HCV diagnosis through intelligent feature selection, aiming to identify minimal yet highly effective biomarker sub
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: The cold, hot, and neutral natures are core concepts in Tibetan dietary therapy and guide traditional food classification and dietary use. However, their identification has largely depended on empirical judgment, and quantitative standards based on modern nutritional features remain limited.
OBJECTIVES: This study aimed to develop an interpretable machine learning framework integrating feature selection, multimodel classification, and SHapley Additive exPlanations (SHAP) analysis to identify nutritional drivers of Tibetan dietary nature and support prediction for currently unlabel
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.
Thalassemia is a hereditary blood disorder characterized by abnormal hemoglobin production. Common diagnostic methods include complete blood count, high-performance liquid chromatography, and hemoglobin electrophoresis. While physicians make the final diagnosis, advancements in artificial intelligence, specifically machine learning (ML) and deep learning, offer significant potential as auxiliary tools and decision support systems to reduce diagnostic errors. This study investigates ML algorithms for classifying thalassemia and its subtypes, including alpha (α) thalassemia and beta (β) thalasse
СтатьяСравнительное исследованиеПолный 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.
Uranium occurrence in groundwater is governed by complex hydrogeochemical processes, yet routine monitoring remains analytically demanding. A dataset of 1295 groundwater samples collected from a coastal region of southeastern India during 2016-2025 was used to develop a machine learning framework for predicting uranium concentrations from routinely measured physicochemical parameters. Multi-threshold binary classification was implemented at 2, 15, and 30 µg L⁻1, representing precautionary, guideline, and regulatory levels, respectively. Advanced ensemble learning algorithms were evaluated unde
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: Public synthetic datasets enable transparent model comparison but cannot establish performance in clinical populations. We asked how four fixed classifiers compare under one leakage-controlled validation framework on a large synthetic heart-disease competition dataset.
METHODS: The official training set contained 630,000 observations (44.83% outcome prevalence) and 13 predictors; the 270,000-row test set had no outcome labels. L2-regularized logistic regression, HistGradientBoosting, CatBoost, and LightGBM were evaluated using identical stratified five-fold outer splits. Logistic-
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.
Diabetes mellitus is a persistent metabolic condition that requires accurate and early diagnosis to prevent severe complications. This paper proposes an Extreme Gradient Boosting (XGBoost)-based predictive framework for multi-classification of diabetes mellitus into non-diabetic, pre-diabetic, and diabetic classes. After standardization and exclusion of non-clinical identifiers, Duplicate clinical records were removed from the original dataset, leaving 826 unique records. Comprehensive preprocessing pipeline used a stratified 70:30 train-test split and five-fold cross-validation; scaling and r
СтатьяПоддержка исследования: вне 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.
Background and Aim: Tacrolimus (TAC) is a first-line immunosuppressant for the treatment of refractory nephrotic syndrome (RNS), but the pharmacokinetics of TAC varies widely among individuals, and there is still no accurate model to predict the pharmacokinetics of TAC in RNS. Therefore, this study aimed to combine population pharmacokinetic (PPK) model and machine learning algorithms to develop a simple and accurate prediction model for TAC. Methods: 139 children with RNS from August 2013 to December 2018 were included, and blood samples of TAC trough and partial peak concentrations were coll
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.
High-performance levelers are crucial for microelectronic copper electroplating; yet, their development is hindered by costly experimental screening and unclear structure-activity relationships (SAR). This study proposes an integrated machine learning (ML) and density functional theory (DFT) framework for the rapid discovery of novel levelers. First, a data set was established using experimental Dissolution Peak Decrease Amount (DPDA) values from the literature and DFT-calculated adsorption energies (Eads) as target values, with 24 theoretical calculation molecular properties serving as featur
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.
Pharmaceutical cocrystals have emerged as an effective strategy for enhancing the solubility and bioavailability of poorly water-soluble drugs. The successful design of cocrystals largely depends on the selection of suitable coformers, which requires an understanding of the molecular interactions governing cocrystal formation during the process. The objective of this study was to develop robust machine learning models for predicting Hansen solubility parameters of pharmaceutical cocrystal using molecular descriptors generated from COSMO-RS and group contribution methods. A dataset consisting o
СтатьяПоддержка исследования: вне 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.
BACKGROUND: Recurrent miscarriage (RM), affecting 1–2% of couples, often lacks a clear etiology, complicating prognosis and care. Machine learning (ML) offers a potential paradigm shift by enabling robust risk stratification. This systematic review synthesizes the current landscape of ML applications for predicting RM, evaluating methodological quality, performance, and clinical translatability. METHODS: We systematically searched PubMed/MEDLINE, Scopus, and Web of Science until 9 December 2024. Studies developing or validating ML models for predicting RM or related pregnancy loss were include
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.
The rational design of high-entropy oxides (HEOs) is currently hindered by the scarcity of structured property data in the scientific literature. In this work, we present an end-to-end materials informatics framework that couples large language model (LLM) data mining with interpretable machine learning to predict single-phase stability in HEOs. We deployed agents based on gpt-oss-120b to extract compositions, phases, and synthesis methods from unstructured scientific abstracts. Combined with regular-expression routines, the LLM-based agent achieved an accuracy of 96% in database generation de
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.
Pronounced diurnal differences in the partial pressure of CO2 (pCO2) in surface estuary waters are observed, and resolving these disparities is a prerequisite for improving regional carbon budget estimates. However, underlying drivers of pCO2 at the sub-daily scale remain poorly understood mainly due to nocturnal data gaps, which inherently restrict our predictive capacity. This study leverages automated high-frequency observations and constructs an XGBoost-SHAP framework based on Extreme Gradient Boosting (XGBoost) and SHapley Additive exPlanations (SHAP) to decouple environmental drivers of
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 compare the performance of machine learning and logistic regression algorithms in predicting emergence delirium (ED) in elderly patients.
METHODS: A prospective study was carried out in a Chinese teaching tertiary hospital and collected the details of 1045 patients who underwent noncardiac surgery with general anesthesia. Characteristic variables related to ED were selected by least absolute shrinkage and selection operator (LASSO). Finally, seven machine learning models (gradient boosting machine, extreme gradient boosting, light gradient boosting machine, support vector machin
СтатьяСравнительное 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.
Human microbiota refers to the trillions of microorganisms that inhabit our bodies and have been discovered to have a substantial impact on human health and disease. By sampling the microbiota, it is possible to generate massive quantities of data for analysis using Machine Learning algorithms. In this study, we employed several modern Machine Learning techniques to predict Inflammatory Bowel Disease using raw sequence data. The dataset was obtained from NCBI preprocessed graph representations and converted into a structured form. Seven well-known Machine Learning frameworks, including Random
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.
Plasmodium falciparum erythrocyte membrane protein 1 (PfEMP1), encoded by the hypervariable var gene family, is central to malaria pathogenesis, influencing both disease severity and immune evasion. Classifying var genes into upstream groups (upsA, upsB, upsC, upsE) is important for understanding parasite biology and clinical outcomes, but remains challenging, especially with partial sequences, such as the DBLα tag or RNA-Seq assemblies. We developed upsML, a machine-learning-based classifier trained on 2,530 curated var genes, to accurately assign upstream groups based on sequence features fr
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.
Machine learning was applied to predict Arabica and Robusta coffee prices 2-6 months ahead using climatic, production, and economic data from 2009 to 2025. SHAP analysis revealed that global and Brazilian stock levels, Vietnamese drought, Colombian rainfall, and U.S. dollar exchange rate were the most influential drivers of price variation, showing that even features with weak simple correlations can have high predictive power. We compared Multilayer Perceptron (MLP), Extreme Learning Machine (ELM), Random Forest (RF), XGBoost, and two stacking configurations (RF/XGBoost/ELM) and (RF/XGBoost),
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 OBJECTIVES: Malaria is a global health issue, causing over two million deaths annually. The development of new and potent antimalarial drugs is essential to combat the disease. Machine learning has been increasingly applied to predict antimalarial activity of compounds, offering a promising approach for antimalarial pharmaceutical research. This study aims to predict the antimalarial activity of potential compounds using weighted atomic vectors and machine learning algorithms.
METHODS: The research employs several machine learning algorithms, such as Decision Tree, Bagging Regresso
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.