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
35037 публикаций
Поиск: 1129 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2553 с найденным полным текстом
IEEE journal of biomedical and health informatics2025eng
Blood pressure (BP) is predicted by this effort based on photoplethysmography (PPG) data to provide effective pre-warning of possible preeclampsia of pregnant women. Towards frequent BP measurement, a PPG sensor device is utilized in this study as a solution to offer continuous, cuffless blood pressure monitoring frequently for pregnant women. PPG data were collected using a flexible sensor patch from the wrist arteries of 194 subjects, which included 154 normal individuals and 40 pregnant women. Deep-learning models in 3 stages were built and trained to predict BP. The first stage involves de
СтатьяПоддержка 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.
Hypertrophic Cardiomyopathy (HCM) presents a complex diagnostic and prognostic challenge due to its heterogeneous phenotype and clinical course. Artificial Intelligence (AI) and Machine Learning (ML) techniques hold promise in transforming the role of Electrocardiography (ECG) in HCM diagnosis, prognosis, and management. AI, including Deep Learning (DL), enables computers to learn patterns from data, allowing for the development of models capable of analyzing ECG signals. DL models, such as convolutional neural networks, have shown promise in accurately identifying HCM-related abnormalities in
СтатьяОбзорПоиск 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.
PURPOSE: The study aimed to compare the postoperative nausea and vomiting (PONV) preventive effect of repeated administration of ramosetron with the standard treatment group and compare models to predict the incidence of PONV using machine-learning techniques.
METHODS: A total of 261 patients scheduled for breast surgery were analyzed to evaluate the effectiveness of repeated intravenous administration of ramosetron. All patients were administered 0.3 mg ramosetron just before the end of surgery. For the repeated dose of ramosetron group, an additional dose of 0.3 mg was administered at 4, 22
СтатьяСравнительное 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.
BACKGROUND: Suicide attempt is one of the most severe consequences for patients with mood disorders. This study aimed to perform deep learning and machine learning while using text mining to identify patients with suicide attempts and to compare their effectiveness.
METHODS: A total of 13,100 patients with mood disorders were selected. Two traditional text mining methods, logistic regression and Support vector machine (SVM), and one deep learning model (Convolutional neural network, CNN) were adopted to perform overall analysis and gender-specific subgroup analysis of patients to identify sui
СтатьяПоддержка исследования: вне правительства СШАПоиск 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.
PURPOSE: To systematically review the literature regarding machine learning in leg length discrepancy (LLD) and to provide insight into the most relevant manuscripts on this topic in order to highlight the importance and future clinical implications of machine learning in the diagnosis and treatment of LLD.
METHODS: A systematic electronic search was conducted using PubMed, OVID/Medline and Cochrane libraries in accordance with Preferred Reporting Items for Systematic Review and Meta-Analysis guidelines. Two observers independently screened the abstracts and titles of potential articles.
RES
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.
Routine echocardiography at one month after diagnosis is the current standard for screening coronary artery abnormalities (CAA), a major complication of Kawasaki disease. The study aimed to develop and validate models to predict CAA and assess whether routine echocardiography could be safely reduced in low-risk patients. Two prospective multicenter Japanese registries were utilized: PEACOCK (development/internal validation) and Post-RAISE (external validation). Variables obtained within one week of diagnosis were used to predict CAA at one month after diagnosis, defined as a maximum coronary a
СтатьяМногоцентровое исследованиеВалидационное 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.
Tilianin is a commonly used pharmaceutical ingredient with various biological activities such as antioxidant, anti-inflammatory, and anticancer, which is able to exert antitumor effects by inhibiting tumor cell proliferation, inducing apoptosis and inhibiting angiogenesis. Studies have demonstrated to be particularly useful in a variety of cancers such as liver, lung and gastric cancers. Quantitative analysis of Tilianin can improve the quality control of related drugs and assist in guiding clinical application and disease treatment. However, there are limited studies on the quantitative analy
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: Th1 (IFN-γ+CD4+)/CD4+ cells exacerbate the release of pro-inflammatory cytokines, contributing to neuronal death. It is proposed that the peripheral immune system plays a pivotal role in the pathophysiology of amyotrophic lateral sclerosis (ALS). This study aims to develop an interpretable machine learning model based on blood Th1/CD4+ cells to predict rapidly progressive ALS.
METHODS: We enrolled 564 patients with sporadic ALS who met the eligibility inclusion criteria for further analysis. Immune cells and cytokines were quantified using flow cytometric cell counting and a flow
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.
Although significant advancements in computer-aided diagnostics using artificial intelligence (AI) have been made, to date, no viable method for radiation-induced skin reaction (RISR) analysis and classification is available. The objective of this single-center study was to develop machine learning and deep learning approaches using deep convolutional neural networks (CNNs) for automatic classification of RISRs according to the Common Terminology Criteria for Adverse Events (CTCAE) grading system. ScarletredⓇ Vision, a novel and state-of-the-art digital skin imaging method capable of remote mo
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.
PURPOSE: Chordomas and chondrosarcomas are rare, aggressive spinal bone tumors with distinct origins, biological behavior, and treatment challenges, primarily due to their resistance to conventional chemotherapy and radiation. This study aimed to compare clinical characteristics, treatment strategies, and long-term outcomes between spinal chordoma and chondrosarcoma, and to develop a robust machine learning-based model for individualized survival prediction.
METHODS: We conducted a retrospective analysis using the National Cancer Database (NCDB) to identify patients diagnosed with spinal chor
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 explore the value of predicting new-onset heart failure events in patients with hypertrophic cardiomyopathy (HCM) using clinical and cardiac magnetic resonance (CMR) features based on machine learning algorithms. Methods: The study was a retrospective cohort study. Patients with a confirmed diagnosis of HCM who underwent CMR examinations at Beijing Anzhen Hospital from May 2017 to March 2021 were selected and randomly divided into the training set and the validation set in a ratio of 7∶3. Clinical data and CMR parameters (including conventional parameters and radiomics features)
Аннотация на английскомСтатьяПоиск 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: Distal radius (wrist) fractures are the second most common fracture admitted to hospital. The anatomical pattern of these types of injuries is diverse, with variation in clinical management, guidelines for management remain inconclusive, and the uptake of findings from clinical trials into routine practice limited. Robust predictive modelling, which considers both the characteristics of the fracture and patient, provides the best opportunity to reduce variation in care and improve patient outcomes. This type of data is housed in unstructured data sources with no particular format o
СтатьяПоддержка 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.
OBJECTIVES: Machine Learning and Artificial Intelligence (AI) are rapidly growing in capability and increasingly applied to model outcomes and complications within medicine. In spinal surgery, post-operative surgical site infections (SSIs) are a rare, yet morbid complication. This paper applied AI to predict SSIs after posterior spinal fusions.
PATIENTS AND METHODS: 4046 posterior spinal fusions were identified at a single academic center. A Deep Neural Network DNN classification model was trained using 35 unique input variables The model was trained and tested using cross-validation, in whic
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.
ObjectiveChildren with congenital heart disease are highly vulnerable to drug-related adverse effects due to the use of complex polypharmacy. This study aimed to develop and retrospectively evaluate a hybrid clinical decision support system for predicting drug-related adverse effects in this population.MethodsThis two-phase study combined machine-learning techniques and expert clinical rules. Phase 1 included a retrospective analysis of 4651 pediatric congenital heart disease reports from the Food and Drug Administration Adverse Event Reporting System to train and compare five machine-learning
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 AND OBJECTIVE: To develop and validate a machine learning model based on stacking ensemble learning and feature selection strategies to predict vertebral refracture risk after percutaneous vertebroplasty.
METHODS: Clinical data from osteoporotic vertebral compression fractures (OVCF) patients treated with percutaneous vertebroplasty were retrospectively collected. Preprocessing steps included outlier removal, feature encoding, normalization, and Synthetic Minority Oversampling Technique (SMOTE) for dataset balancing. Univariate and multivariate analyses identified 13 key predictive
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: Critically ill patients with spinal cord injury (SCI) and those at high risk for sarcopenia represent vulnerable populations with heightened mortality risks. Traditional prognostic scores often fail to capture the unique pathophysiology of these patients. This study aimed to develop and validate machine learning-based models using easily obtainable clinical features to stratify mortality risk for patients with SCI, high-risk sarcopenia, or both conditions. METHODS: This retrospective observational study utilized data from the MIMIC-IV (training set; n = 7904) and eICU-CRD (validati
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.
BACKGROUND: Post-induction hypotension (PIH) is a frequent perioperative complication during general anesthesia and adversely affects patient outcomes. Although machine-learning techniques have been widely applied to develop PIH prediction models, the methodological quality and predictive performance of existing models lack systematic evaluation.
OBJECTIVE: To systematically review the predictive performance, methodological quality, and common predictors of PIH prediction models in patients undergoing general anesthesia, and to provide evidence for clinical practice and future model developme
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.
This review critically examines product-specific deterioration pathways in fresh dairy products and evaluates how analytical technologies, kinetic models, chemometric tools, and machine learning approaches support quality assessment and shelf-life prediction. Current evidence shows that many studies identify storage-related changes; however, few can predict the point at which a product reaches its acceptability limit and end of shelf-life. Reliable shelf-life prediction therefore requires a clear definition of the dominant deterioration pathway, a representative quality indicator, and a well-d
СтатьяОбзорПолный 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.
Achieving a deep understanding of brain mechanisms requires multi-scale perspectives to capture the architecture of complex networks. In this study, we focused on patients with cognitive impairment and constructed individual brain networks from neuroimaging data. We introduced a Significant Edges Selection (SES) method, which effectively extracts the most informative connections while suppressing noise. Using these refined features, we computed network characteristics and applied machine learning models to predict cognitive performance, achieving a prediction accuracy of correlation r = 0.683
СтатьяПоддержка исследования: вне правительства СШАПоиск 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: Appendicular perforation is a severe complication of acute appendicitis, leading to increased morbidity and complex post-surgical outcomes. Early identification of patients at risk of perforation is crucial to improve clinical management and reduce complications. This study aims to review and summarize the predictive value of clinical, biochemical, and radiological factors in determining the likelihood of appendicular perforation.
METHODS: A comprehensive literature review was conducted to analyze key clinical, biochemical, and radiological markers associated with appendicular per
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.