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
52443 публикаций
Поиск: 509 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1514 с найденным полным текстом
PURPOSE: This study aimed to develop three types of machine learning (ML) models based on gradient boosting decision tree (GBDT), random forest (RF), and extreme gradient boosting (XGBoost) to explore their predictive value for the stone-free rate after percutaneous nephrolithotomy (PCNL).
PATIENTS AND METHODS: A retrospective analysis was conducted on 160 patients who underwent PCNL. The patients were randomly divided into a training set and a test set in a 7:3 ratio. Clinical data were collected, and univariate analysis was performed to identify important data significantly associated with
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: Length of stay (LOS) is a substantial driver of costs following primary total knee arthroplasty (TKA), leading to increased efforts targeting same-day discharge (SDD). However, patient selection for SDD TKA remains a challenge, with 7 to 49% of patients failing to achieve planned SDD with current stratification tools. This study aimed to develop and assess multiclass machine learning (ML) models for patient selection for SDD TKA as well as risk for prolonged LOS using a large national patient cohort.
METHODS: The database was queried to identify 167,859 primary TKAs between 2017 a
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.
Radical-mediated advanced oxidation and/or reduction processes (AOPs/ARPs) have shown remarkable efficacy in degrading organic pollutants in wastewater, accurate prediction of radical-pollutant reaction kinetic and thorough mechanistic understanding are critical for optimizing these processes. Although machine learning (ML) has emerged as a powerful predictive tool, its performance is often limited by small datasets, leading to overfitting and poor mechanistic interpretation. To overcome these limitations, we develop a novel data augmentation framework based on variational autoencoder (VAE) st
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: Carotid artery plaques, a hallmark of atherosclerosis, are key risk indicators for ischemic stroke, a major global health burden with 101 million cases and 6.65 million deaths in 2019. Early ultrasound detection is vital but hindered by manual analysis limitations. Machine learning (ML) offers a promising solution for automated plaque detection, yet its comparative performance is underexplored. This systematic review and meta-analysis evaluates ML models for carotid plaque detection using ultrasound.
METHODS: We searched PubMed, Scopus, Embase, Web of Science, and ProQuest for stu
СтатьяСистематический обзорМетаанализПоиск 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: Migraine is a primary headache disorder characterised by attacks of headache that are usually unilateral and throbbing in nature, may be accompanied by neurological symptoms, and, due to its complex pathophysiology, can affect not only the central nervous system but also structures such as the retinal vascular system. In recent years, retinal imaging techniques have emerged as a promising method for studying neuro-ophthalmological diseases. In this study, we aimed to predict migraine by evaluating the measurements made from retinal images obtained with Optical Coherence Tomography (
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.
PURPOSE: Machine learning methods accurately predict physical activity outcomes using accelerometer data generated by wearable devices. Thus, they allow investigation of the impact of the built environment on population physical activity. Although traditional machine learning methods do not provide prediction uncertainty, a new method, Bayesian Additive Regression Trees (BART), can quantify such uncertainty as a posterior predictive distribution. Our objective was to evaluate the performance of BART in regard to predicting physical activity status.
METHODS: We applied multinomial BART and a b
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.
OBJECTIVE: The objective of this study was to develop and validate a clinically applicable nomogram for predicting the risk of delirium following hepatectomy.
METHODS: We applied the LASSO regression model to identify the independent risk factors associated with POD. Subsequently, we utilized R software to develop and validate a nomogram model capable of accurately predicting the incidence of POD.
RESULTS: The final variables selected by the LASSO method were: Ramelteon, Age, Sex, Alcohol, Viral status, Cardiovascular disease, ASA class, Total bilirubin, Prothrombin time, Laparoscopic approa
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: This study aims to investigate the influencing factors of pregnancy outcomes during in vitro fertilization and embryo transfer (IVF-ET) procedures in clinical practice. Several prediction models were constructed to predict pregnancy outcomes and models with higher accuracy were identified for potential implementation in clinical settings.
METHODS: The clinical data and pregnancy outcomes of 2625 women who underwent fresh cycles of IVF-ET between 2016 and 2022 at the Reproductive Center of the Affiliated Hospital of Inner Mongolia Medical University were enrolled to establish a comp
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: Multidrug-resistant Klebsiella pneumoniae (MDR-KP) infections pose a significant global healthcare challenge, particularly due to the high mortality risk associated with septic shock. This study aimed to develop and validate a machine learning-based model to predict the risk of MDR-KP-associated septic shock, enabling early risk stratification and targeted interventions.
METHODS: A retrospective analysis was conducted on 1,385 patients with MDR-KP infections admitted between January 2019 and June 2024. The cohort was randomly divided into a training set (n = 969) and a validation
СтатьяВалидационное исследованиеПолный 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.
RESEARCH QUESTION: Can machine learning models accurately predict the risk of early miscarriage following single vitrified-warmed blastocyst transfer (SVBT)?
DESIGN: A dual-center retrospective analysis of 1,664 SVBT cycles, including 308 early miscarriage cases, was conducted across two reproductive centers. Multiple machine learning models, such as Logistic Regression, Random Forest, Gradient Boosting, and Voting Classifier, were developed. Metrics including Area Under the Curve(AUC), accuracy, precision, recall, F1 score, and specificity were used to evaluate model performance. Key predict
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.
Today, the evaluation of large-scale examinations is mostly carried out using optical marking systems. Although these systems provide fast and accurate scoring, they often overlook behavioral patterns on answer sheets. Features such as blank responses, double markings, repetitive patterns, and response diversity can support a more comprehensive assessment of exam security and student behavior. This study aims to predict students' risk levels from optical marking data using machine learning. The target variable consists of expert-defined five-level risk labels. Since all features were categoric
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: Risk stratification is an integral component of ST-segment-elevation myocardial infarction (STEMI) management practices. This study aimed to derive a machine learning (ML) model for risk stratification and identification of factors associated with in-hospital and 30-day mortality in patients with STEMI and compare it with traditional TIMI score.
METHODS: This was a single center prospective study wherein subjects >18 years with STEMI (n = 1700) were enrolled. Patients were divided into two groups: training (n = 1360) and validation dataset (n = 340). Six ML algorithms (Extra Tree,
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.
Benzimidazole, a compound valued for its distinct physicochemical characteristics and diverse applications, is the focus of this investigation into its dissolution behavior across various monosolvents. This research employs sophisticated machine learning algorithms, including K-nearest neighbors (KNN), ensemble learning (EL), random forest, decision tree, and adaptive boosting, alongside thermodynamic models such as Apelblat, λh, NRTL, and Margules, to model and predict solubility. A detailed dataset consisting of 171 experimental points, where 136 are used for training and 35 for testing, was
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.
Methanol-to-propylene (MTP) is one of the important propylene production technologies that is commonly achieved by the use of zeolite catalysts. However, effectively regulating the selectivity toward propylene remains challenging due to the insufficient understanding of the principles behind selectivity control. In this study, we proposed an interpretable function to assess the propylene/ethylene (P/E) selectivity based on a thorough investigation of the MTP selectivity control mechanism and implemented a machine learning (ML) method for high-throughput screening of zeolite frameworks for MTP.
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.
In this study, we utilized a comprehensive dataset comprising over 19,000 data points with inputs represented by coordinates (x, y) and the corresponding output denoted as concentration (C). The case study was analysis of mesoporous material for adsorption separation of target solute from aqueous solution. Mass transfer and machine learning evaluations were carried out to obtain separation efficiency. Our objective was to develop predictive models for C using three distinct base models: decision tree (DT), support vector regression (SVR), and Gaussian process regression (GPR). To enhance the p
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.
Anomalous chromosomes are the cause of genetic diseases such as cancer, Alzheimer's, Parkinson's, epilepsy, and autism. Karyotype analysis is the standard procedure for diagnosing genetic disorders. Identifying anomalies is often costly, time-consuming, heavily reliant on expert interpretation, and requires considerable manual effort. Efforts are being made to automate karyogram analysis. However, the unavailability of large datasets, particularly those including samples with chromosomal abnormalities, presents a significant challenge. The development of automated models requires extensive lab
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.
This work presents a machine-learning framework to explore cathode materials for zinc-ion batteries from a data set of 6858 zinc-containing compounds. Utilizing the extensive Materials Project (MP) database, we employed a two-step machine learning (ML) approach that uses transfer learning to compensate for missing electrochemical properties. Initially, a random forest regressor was used to fill in missing features in the zinc compounds, harnessing the full battery explorer in predictions. Two hybrid models were then developed: the sparrow search algorithm-light gradient boosting machine (SSA-L
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: Cardiogenic shock (CS) severity can be defined by the SCAI (Society for Cardiovascular Angiography and Interventions) stages (A to E), or machine learning-based phenotypes (I: noncongested, II: cardiorenal, III: cardiometabolic).
OBJECTIVES: This study aims to evaluate sequential applicability and prognostic relevance of combining SCAI stages and ML-based phenotypes for risk stratification of patients with CS.
METHODS: The authors retrospectively applied both classification systems at 6- to 12-hour intervals for the first 72 hours to patients from the multicenter CSWG (Cardiogeni
СтатьяМногоцентровое исследованиеПоддержка 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 Early identification of pediatric patients at high risk for dengue shock syndrome (DSS) is crucial to enable timely and appropriate clinical interventions. However, the application of machine learning (ML) models for predicting DSS risk remains underexplored. Objective This study aimed to develop and validate a ML-based nomogram for predicting DSS risk in pediatric patients with dengue fever, supporting clinical decision-making. Methods A prospective study was conducted on 230 children with dengue fever admitted to Can Tho Children's Hospital, Vietnam, from January 2020 to December
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.
PURPOSE: Understanding and categorizing fetal health is an influential field of research that profoundly impacts the well-being of both mother and child. The primary desire to precisely examine and cure fetal disorders during pregnancy to enhance fetal and maternal outcomes is the driving force behind the classification of fetal health. Fetal cardiac abnormalities (structural or functional) need immediate doctor attention, and their early identification and detection in all stages of pregnancy can help doctors with the timely treatment of the mother and the unborn child by enabling appropriate
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.