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
9280 публикаций
Поиск: 497 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1619 с найденным полным текстом
BACKGROUND: The growing prevalence of mental health conditions, worsened by the COVID-19 pandemic, highlights the urgent need for enhanced psychiatric education. The distinctive nature of psychiatry- which is heavily centred on communication skills, interpersonal skills, and interviewing techniques- indicates a necessity for further research into the use of GenAI in psychiatric education.
OBJECTIVE: Given GenAI has shown promising outcomes in medical education, this study aims to discuss the possible roles of GenAI in psychiatric education.
METHODS: We conducted a scoping review to identify
СтатьяScoping ReviewПолный 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.
Generative artificial intelligence (GAI) has taken the world by storm, causing notable tension within the field of education. Nursing education is no exception, facing imminent challenges and opportunities. GAI, a unique and immensely powerful technology championed by ChatGPT (Chat generative pre-trained transformer), represents a new frontier in artificial intelligence. ChatGPT, a product of deep learning - a subset of machine learning that mirrors the human brain's approach to learning and responding to data, information, and prompts - exemplifies this technological leap (Sahoo et al., 2022)
Аннотация на английскомСтатьяПолный 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: Generative artificial intelligence (GAI) is rapidly reshaping higher education, creating opportunities and challenges related to academic integrity, educator readiness, and policy clarity, particularly in nursing education.
PURPOSE: To examine nurse educator and student perspectives on GAI use, institutional policies, syllabus language, and best practices in nursing education.
METHODS: A descriptive quantitative survey was completed by 211 nurse educators and 89 nursing students (N = 300) across diverse nursing programs. Data were analyzed by program type, learning model, and deg
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: Generative AI use has become widespread among Chinese university students, but use does not necessarily indicate acceptance. This cross-sectional psychometric validation study adapted and evaluated the 20-item generative artificial intelligence acceptance scale for use in China.
METHODS: Following translation, back-translation, expert review, and pilot testing, data were collected from a convenience sample of 604 university students at six institutions in Yunnan, Anhui, and Zhejiang provinces. Participants were randomly divided into exploratory and confirmatory subsamples of 302
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.
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.
Generative artificial intelligence (GAI), particularly large language models (LLMs) and multimodal foundation models, represents a new generation of artificial intelligence technologies with emerging applications in healthcare. In lung cancer care, where clinical decisions increasingly require integration of imaging, pathology, molecular alterations, and rapidly evolving therapeutic evidence, GAI provides new opportunities to enhance clinical information synthesis and decision support. Recent studies have explored the application of GAI across the lung cancer care continuum, including screenin
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.
OBJECTIVE: To evaluate Epic IP Insights, an electronic health record integrated generative AI summarizer used across a seven-hospital health system, using a multidimensional assurance framework.
MATERIALS AND METHODS: We developed and validated an agentic hallucination detector that decomposed summaries into atomic content units (ACUs) and verified each against source documentation. We then applied it to remaining summaries to estimate the hallucination rate. We also measured source note utilization, textual and semantic similarity of regenerated summaries, and clinician perceptions through s
СтатьяПрепринтПоиск 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 role of generative artificial intelligence (GenAI) in nursing is increasingly shifting from a support tool toward a collaborative partner. However, the mechanisms underlying nurse-GenAI value co-creation (N-GAIVC) remain undertheorized.
AIM: To develop a theoretical framework for N-GAIVC.
METHODS: This study used a Straussian grounded theory approach. Between January and April 2026, 27 clinical nurses and nurse managers from hospitals across China were recruited using purposive, snowball, and theoretical sampling. Semistructured in-depth interviews and online textual data fro
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 function emerges from ensembles of interconverting conformations, presenting challenges beyond static structure prediction. Although recent advances in generative artificial intelligence (AI) have transformed native-fold prediction, capturing conformational landscapes and binding-associated structural transitions remains a central limitation for mechanistic biology and structure-based drug discovery. Emerging generative models now aim to learn dynamic conformational distributions directly, enabling ensemble generation, ligand-responsive receptor sampling, and pathway-level inference. H
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.
BACKGROUND: Clinical nutrition (CN) is becoming increasingly complex because of the rising prevalence of chronic illness, cancer, and malnutrition-related conditions such as short bowel syndrome and refeeding syndrome. Despite its clinical significance, nutrition education among US physicians remains limited. Simultaneously, large language model (LLM)-based artificial intelligence assistants (AIAs) have emerged as tools to support complex clinical decision-making but remain largely untested in CN.
METHODS: This retrospective study evaluated four LLM-based AIAs-ChatGPT (OpenAI), OpenEvidence (
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.
To explore threats and opportunities and to chart a path for safely navigating the rapid changes that generative artificial intelligence (AI) will bring to clinical research, the Duke Clinical Research Institute convened a multidisciplinary think tank in January 2024. Leading experts from academia, industry, nonprofits, and government agencies highlighted the potential opportunities of generative AI in automation of documentation, strengthening of participant and community engagement, and improvement of trial accuracy and efficiency. Challenges include technical hurdles, ethical dilemmas, and
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 Metaverse is a decentralized, immersive 3-dimensional virtual environment that merges the physical and virtual worlds, fundamentally transforming digital interaction and garnering widespread attention. However, its primary platforms face challenges such as low-quality content and underdeveloped virtual environments, leading to a subpar user experience. Artificial intelligence-generated content (AIGC) has emerged as a key driver in Metaverse development, enabling the efficient and cost-effective creation of digital content. AIGC also promotes personalized content, further enhancing the appe
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 Food and Drug Administration mandates patient labeling materials like the Medication Guide (MG) and Instructions for Use (IFU) to support appropriate medication use. However, challenges such as low health literacy and difficulties navigating these materials may lead to incorrect medication usage, resulting in therapy failure or adverse outcomes. The rise of generative AI, presents an opportunity to provide scalable, personalized patient education through image recognition and text generation.
OBJECTIVE: This study aimed to evaluate the accuracy and safety of medication instruc
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.
Generative artificial intelligence (GAI) has created new avenues for the commercial sexual exploitation of children through the creation or manipulation of sexually explicit images using a child's likeness. Such images constitute a form of child sexual abuse material (CSAM), including when they are generated or manipulated without physical contact with the child. Because this abuse may occur without the child's awareness, it can complicate recognition, disclosure, and intervention while contributing to ongoing psychological harm. When such content is produced, distributed, or monetized in exch
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 Malocclusion is a prevalent dental disorder characterized by the improper alignment of the teeth and jaws, which adversely affects oral function and aesthetics. Traditional diagnosis and treatment planning procedures are time-consuming and rely heavily on expert evaluation. Recent developments in generative artificial intelligence (AI) offer promising tools to enhance diagnostic accuracy and to optimize treatment strategies in orthodontics. Methods This study developed a hybrid artificial AI model combining convolutional neural networks (CNNs), generative adversarial Networks (GANs)
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.
Large language models (LLMs), a type of artificial intelligence (AI), have been applied to various fields of dentistry in recent years. Although several reviews have examined AI applications in paediatric dentistry, most have focused on diagnostic assistance, and none have comprehensively addressed LLM use, including not only dental professionals but also patients or their guardians. PubMed, Scopus, and Web of Science were searched in September 2025 using the terms "Pediatric dentistry" AND "ChatGPT" OR "Gemini" OR "Claude" OR "Copilot" OR "DeepSeek." Of the 262 articles identified, 30 met the
СтатьяScoping ReviewПоиск 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: This study aimed to evaluate the effectiveness of a generative artificial intelligence based simulated patient model in improving gynecological history-taking skills among medical students, compared with traditional clinical teaching methods.
METHODS: A prospective randomized controlled trial was conducted involving 40 fourth-year medical students during their gynecology clerkship. Students were randomly assigned to either an AI group (n = 20) or a control group (n = 20). Both groups received identical theoretical instruction on history taking. The control group practiced interv
СтатьяРандомизированное 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.
OBJECTIVE: To systematically evaluate the real experiences of nursing students participating in generative artificial intelligence-assisted learning.
METHODS: Electronic searches were conducted in the China National Knowledge Infrastructure (CNKI), VIP Database, Scopus, Wanfang Data, and the China Biomedical Literature Database (CBM), Web of Science, PubMed, Cochrane, Embase, and CINAHL databases for qualitative studies on the experiences of nursing students with generative AI-assisted learning from the establishment of the databases to March 2026. Qualitative studies on nursing students' exp
СтатьяСистематический обзорПолный 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 integration of artificial intelligence (AI) into medicine has progressed from discriminative models to generative AI (GenAI), which can synthesize novel content. For orthopaedic surgeons, scientific publication remains a vital marker of academic success but is often constrained by clinical workload. This review proposes a structured, practical framework to help orthopaedists effectively harness AI tools, transitioning from opaque, "black box" generation to grounded, verifiable research assistance through retrieval-augmented generation (RAG). A PubMed search was conducted to explore the app
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.
OBJECTIVE: To synthesize qualitative evidence on registered nurses' experiences of using generative artificial intelligence (GAI) in clinical practice and nursing research, and to identify perceived benefits, challenges, and support needs for its standardized implementation in nursing.
METHODS: A qualitative meta-synthesis was conducted using the Joanna Briggs Institute meta-aggregation approach. PubMed, CINAHL, Embase, PsycINFO, Scopus, Web of Science, the Cochrane Library, CNKI, Wanfang, VIP, and the China Biomedical Literature Database were searched from inception to April 25, 2026. Two re
СтатьяСистематический обзорПолный 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.