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
22977 публикаций
Поиск: 198 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1025 с найденным полным текстом
OBJECTIVE: To develop an explainable machine learning (ML) model to predict mid-term (3 years) stone recurrence (SR) after percutaneous nephrolithotomy (PCNL). This single-center retrospective observational cohort study compared nonlinear algorithms with logistic regression (LR) and evaluated the predictive value of systemic inflammatory markers, clinical and stone-related features.
MATERIALS AND METHODS: We retrospectively analyzed 412 PCNL patients with complete preoperative and 3-year follow-up data between 2014 and 2021. The patients were split chronologically into 70% training and 30% in
СтатьяНаблюдательное 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.
RATIONALE AND OBJECTIVES: To evaluate whether intratumoral habitats and peritumoral regions on ultrasound (US) images enhance radiomics-based diagnosis of calcified breast lesions.
MATERIALS AND METHODS: Mammography-confirmed calcified breast lesions were retrospectively collected from a single center and divided into training and internal test sets. An external test set of 84 cases was obtained from two public datasets. Pathology was the reference for biopsied lesions, while benignity in non-biopsied cases required ≥24-month follow-up. Intratumoral clustering defined optimal habitat numbers.
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: Delayed graft function (DGF) is a frequent early complication after kidney transplantation. We systematically reviewed artificial intelligence and machine learning (AI/ML) models that use routine clinical variables to predict DGF.
METHODS: This PROSPERO-registered review (CRD420261400263) followed PRISMA guidance. MEDLINE/PubMed, Embase, Web of Science Core Collection and Cochrane Library were searched for human studies, without date restriction. Studies that developed or validated AI/ML models for DGF prediction using routine donor, recipient, immunological, laboratory, ischaem
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.
PURPOSE: Deep vein thrombosis (DVT) is a prevalent and life-threatening complication in the Intensive Care Unit (ICU). Traditional risk tools often lack specificity for ICU acquired DVT. This study aimed to develop and externally validate an interpretable machine learning (ML) model for accurate DVT risk prediction in critically ill patients.
METHODS: This multicenter retrospective study included 2000 patients from two centers, partitioned into training, internal testing, and external validation sets. LASSO regression and the Boruta algorithm identified robust predictors. Eight ML algorithms
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.
OBJECTIVES: To integrate machine learning algorithms to identify key risk factors for postoperative cognitive dysfunction (POCD) in older cardiac surgery patients and to develop a predictive nomogram to assist clinicians and nurses in identifying high-risk patients and implementing targeted interventions.
DESIGN: Prospective observational cohort study.
SETTING: Surgical intensive care unit (ICU) of a tertiary academic medical center.
PARTICIPANTS: A total of 353 consecutive older patients (aged ≥ 60 years) who underwent cardiac surgery.
INTERVENTIONS: None.
MEASUREMENTS AND MAIN RESULTS:
СтатьяНаблюдательное 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.
OBJECTIVES: To develop and validate machine learning models to predict levodopa responsiveness of tremor in Parkinson's disease (PD) patients.
METHODS: A total of 197 PD tremor patients underwent Levodopa Challenge Tests and were classified as having levodopa-responsive or levodopa-resistant tremor. Clinical and electromyogram (EMG) tremor analysis variables were recorded. The dataset was randomly divided into a training set (80%) and a test set (20%). To distinguish between the two groups, Support vector machine (SVM), random forest (RF), and logistic regression (LR) models were developed us
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.
In this work, SARS disorder denotes a generic acute severe respiratory distress condition characterized by abnormal respiratory rate, oxygen saturation, fever, and cardiovascular stress indicators, and does not represent a COVID-19 diagnostic system. Our research aims at analyzing a context-aware SARS disorder management system through the implementation of a multi-agent simulation framework using the NetLogo setting. The system relies on the use of interacting agents as well as non-monotonic, context-sensitive reasoning to reduce uncertainty and deal with the possible inconsistencies that hap
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.
Adverse birth outcomes such as low birth weight (LBW) increase the risk of metabolic disorders and hypertension later in life. Although previous studies have examined obstetric factors or environmental exposures in relation to LBW, few have assessed both simultaneously. This study employed cohort data to predict LBW using machine learning (ML) algorithms that integrate maternal characteristics and environmental factors. We analyzed nationwide prospective birth cohort data from the Korean CHildren's ENvironmental health Study (Ko-CHENS). A total of 47 variables were evaluated using nine ML mode
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: Accurate risk stratification postmyocardial infarction (MI) remains challenging. In this study we aimed to develop interpretable machine-learning (ML) models integrating 3-dimensional (3D) cardiac magnetic resonance (CMR) substrate features to predict major adverse cardiovascular events (MACEs) after MI.
METHODS: This retrospective study included MI patients who underwent CMR between May 2015 and October 2024. The primary endpoint was MACE. External validation used multicenter datasets. 3D features (core scar, border zone, abnormal corridors) were extracted via ADAS 3D. Feature se
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.
OBJECTIVE: To screen immune-related biomarkers in diagnosing patients with both endometriosis (EM) and systemic lupus erythematosus (SLE).
METHODS: After performing differential expression analysis, immune infiltration analysis, WGCNA, the immune-related genes in EM and SLE were screened. Then the diagnostic genes were identified by three machine learning algorithms, followed by evaluation of the predictive performance of the diagnostic genes by nomogram and ROC curve. Then the correlation between diagnostic genes and immune cells, TFs, GSEA, and potential drugs prediction analyses were perfo
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.
INTRODUCTION: We explored risk factors for latent tuberculosis infection (LTBI) and developed a risk prediction model using machine learning algorithms.
METHODS: Patients with active pulmonary TB in months 3 to 6 of anti-TB treatment in Henan Province, China, July-September 2024 were selected as index cases. Close contacts identified through epidemiological investigation underwent tuberculin-purified protein derivative testing to determine LTBI status. Face-to-face questionnaires were conducted to collect epidemiological data. The dataset was divided into training and testing sets (6:4), usin
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.
INTRODUCTION: Frailty is a multifactorial geriatric syndrome, and sleep disturbances have emerged as a potential contributing factor. However, conventional statistical approaches may not adequately capture the complex and nonlinear patterns inherent in wearable-derived sleep data. This study evaluated the feasibility of machine learning (ML) models for classifying frailty using objectively measured sleep features in older adults under free-living conditions.
METHODS: This cross-sectional study included 90 community-dwelling adults aged ≥65 years. Participants were classified as robust or pre-
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: The phenotypic overlap between gouty arthritis (GA) and Rheumatoid Arthritis (RA) poses diagnostic challenges, particularly in resource-limited settings. This study aims to develop a robust, non-invasive machine learning (ML) framework based on routine hematological parameters to facilitate precise differential diagnosis and to evaluate its robustness in a temporally independent cohort.
METHODS: Adopting a temporal validation design, we retrospectively analyzed clinical data from a tertiary hospital. A development cohort (2021-2025; n = 9,903) was utilized for model construction,
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.
Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico2026eng
BACKGROUND: To develop and validate a multimodal MRI radiomics machine learning model for differentiating borderline epithelial ovarian tumors (BEOTs) from malignant epithelial ovarian tumors (MEOTs).
METHODS: A total of 147 patients (72 with BEOTs and 75 with MEOTs) were retrospectively enrolled and randomly divided into training and test cohorts at a ratio of 7:3. Multivariate logistic regression identified independent clinical predictors. A radiomic model was built using multimodal MRI features, and a radiomic score (Rad‑score) was calculated. A combined model integrating clinical predicto
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: Accurate prediction of pathological complete response (pCR) following neoadjuvant therapy (NAT) is critical for optimizing treatment in breast cancer. This study develops and validates an interpretable, cost-effective machine learning (ML) model integrating computed tomography (CT)-based body composition parameters with routine inflammatory and nutritional biomarkers to predict pCR.
METHODS: In this retrospective single-center study (n = 189; January 2019-June 2023), patients were divided into training (n = 142) and independent temporal test (n = 47) sets. CT-based body composition
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: Gastrointestinal (GI) dysfunction is a life-threatening complication following severe burn injury, significantly increasing risks of multi-organ failure and mortality. This study aimed to develop and validate the first machine learning (ML)-based clinical prediction model for GI dysfunction after severe burns by leveraging explainable artificial intelligence (AI) techniques to support early clinical intervention.
METHODS: In this retrospective multicenter study, 570 patients with severe burns were enrolled: 469 from Hospital A [randomly split into training (n = 328) and internal v
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: Chronic obstructive pulmonary disease (COPD) often coexists with lung cancer, worsening clinical outcomes. This study aimed to develop machine learning models for early COPD screening in lung cancer patients using clinical variables and a novel systemic coagulation-inflammation index (SCI).
METHODS: We retrospectively enrolled 1016 patients, extracting demographic, smoking, vital, and laboratory data. After feature selection with Boruta and least absolute shrinkage and selection operator (LASSO), six models-logistic regression, decision tree (DT), multilayer perceptron (MLP), supp
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 study sought to establish and validate an interpretable CT radiomics-based machine learning model capable of predicting post-acute pancreatitis diabetes mellitus (PPDM-A), providing clinicians with an effective predictive tool to aid patient management in a timely fashion. Clinical and imaging data from 271 patients who had undergone enhanced CT scans after first-episode acute pancreatitis from March 2017-June 2023 were retrospectively analyzed. Patients were classified into PPDM-A (n = 109) and non-PPDM-A groups (n = 162), and split into training (n = 189) and testing (n = 82) cohorts at
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: Acute kidney injury (AKI) is a serious postoperative complication in hospitalized neonates. We aimed to develop and evaluate a machine learning (ML) model for predicting the risk of postoperative AKI in neonates.
METHODS: The clinical records of 2,025 neonates were collected, and the patients were randomly divided into training and test sets. The outcome variable was the occurrence of postoperative AKI, and the models incorporated 25 predictive variables, including demographics, intraoperative infusions, and postoperative indicators. ML models were developed using six different al
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: Specific patient characteristics increase the risk of cancer, necessitating personalized healthcare approaches. For high-risk individuals, tailored clinical management ensures proactive monitoring and timely interventions. Electronic health record (EHR) data are crucial for supporting these personalized approaches, improving cancer prevention and early diagnosis. We leverage EHR data and build a prediction model for early detection of non-small cell lung cancer (NSCLC).
METHODS: We utilize data from Mass General Brigham's EHR and implement a three-stage ensemble learning approach.
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.