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
27821 публикаций
Поиск: 317 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1105 с найденным полным текстом
BACKGROUND: The diagnosis of metabolic dysfunction-associated steatotic liver disease (MASLD) in non-obese individuals presents a significant challenge, and its early identification is of considerable public health importance. This study aimed to develop and validate interpretable machine learning models using routine clinical parameters to identify MASLD in this specific population.
METHODS: Data from 768 non-obese subjects were analyzed. The dataset was randomly split into training (n = 615, 80%) and testing (n = 153, 20%) sets using stratified sampling. LASSO regression was performed withi
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.
OBJECTIVES: Return to work (RTW) is a key indicator of recovery for young and middle-aged maintenance hemodialysis (MHD) patients. Timely identification of patients with a low likelihood of RTW is crucial for precision rehabilitation assessment and risk-stratified management. This study aimed to develop and validate a machine learning-based predictive model for identifying influencing factors of current RTW status and enabling risk stratification among young and middle-aged MHD patients.
METHODS: From March 2023 to May 2024, 793 young and middle-aged MHD patients were recruited from eight ter
СтатьяВалидационное исследованиеПоиск 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.
Colorectal cancer(CRC) recurrence remains a challenge despite curative surgery and adjuvant therapy. Integrating clinicopathological and liquid biopsy data may improve risk stratification, but evidence in small‑sample settings is lacking. This exploratory study assessed the feasibility of a multimodal machine learning pipeline for recurrence prediction in a well‑defined XELOX‑treated cohort. We analyzed 86 CRC patients(17 recurrences) receiving uniform XELOX adjuvant therapy. A three‑step pipeline was applied: (1) LASSO regression for coarse variable selection (10‑fold cross‑validation); (2) g
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: Postoperative pneumonia is a significant complication, highlighting a patient's ongoing vulnerability. While traditional tools focus on short-term outcomes, the perioperative period offers a unique "stress test" window to identify high-risk patients. This study developed and validated a machine-learning-based prognostic framework to predict pneumonia risk up to one year after surgery.
METHODS: This retrospective study examined 11,655 surgical encounters at a tertiary hospital. Multiple machine learning algorithms, including random forest (RF), extreme gradient boosting, support ve
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.
Diabetes is a prevalent long-lasting disease marked by high blood glucose due to inadequate insulin secretion and insulin resistance may result in serious life-threatening complications. Diabetes global prevalence has raised by fourfold over the past thirty years, and is the ninth foremost disease leads to death across the globe. Meanwhile, developments in machine learning presents new opportunities for prediction and classification of disease. However, despite of numerous existing models, a need for classifying types of diabetes still remains. The objective of this study is to develop an inte
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.
To develop and validate a comprehensive balance assessment scale specifically designed for elderly women and construct predictive models for gait stability outcomes using machine learning approaches. A total of 276 community-dwelling elderly women aged 60-80 years participated in this study. A multidimensional balance assessment scale was developed through expert consultation and psychometric evaluation. Three-dimensional gait analysis was conducted to collect biomechanical parameters. Multiple machine learning algorithms including random forest, support vector machine, and gradient boosting w
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: This study evaluates the survival impact of diabetes on hospitalized COVID-19 patients in Mexico by combining traditional survival methods (Restricted Mean Survival Time, RMST) with machine learning (ML) prediction. The goal is to understand how diabetes and associated comorbidities affect short-term survival and to develop accurate, interpretable models that support data-driven decision-making.
METHODS: A national dataset of over one million COVID-19 cases was analyzed. Diabetic and non-diabetic cohorts were matched using propensity scores based on key covariates (e.g., age, gend
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.
Modeling and predicting viral mutations before they emerge plays a crucial role in pandemic preparedness, enabling the early identification of emerging variants of concern (VOCs) and guiding timely updates to vaccines, diagnostic tests, and therapeutic strategies. However, existing machine learning models and large-scale experiments lose their predictive power as viral variants evolve further from the original strains in sequence space. Here, we present a scalable framework that integrates random forest and neural network machine learning models with targeted high-throughput experimentation to
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: To develop and compare machine learning-based risk prediction models to identify patients at risk for short-term adverse outcomes (overnight admission, early complication, or readmission) after hip arthroscopy and to determine key predictive demographic and clinical factors.
METHODS: Data from the American College of Surgeons National Surgical Quality Improvement Program (ACS-NSQIP) database were used to develop and compare risk prediction models aiming to: (1) identify patients likely to experience short-term adverse outcomes including overnight admission, early complication, or rea
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 paper presents a time-stratified breast cancer survival analysis that incorporates tumor characteristics, disease stage, and patient features, using machine learning (ML) algorithms to support personalized care planning. Considering nonlinear relationships between input data and the risk of death, as well as the dynamics of patient characteristics over time, we utilize 6 ML algorithms, including XGBoost, Logistic Regression, Random Forest, Decision Tree, AdaBoost, and Multilayer Perceptron, for less than 6 months, 6 months, 1-, 2-, 3-, 5-, and 10-year survival rates prediction. We utilize
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: Several studies have developed predictive models for venous thromboembolism (VTE) after metabolic and bariatric surgery (MBS), but none have incorporated complications that increase VTE risk. This study aimed to evaluate the risk factors for VTE following MBS using machine learning (ML) algorithms, using models that either excluded or included time-aware postoperative complication variables-these were engineered to include only complications that occurred before the VTE event.
METHODS: We used the MBSAQIP database from 2020 to 2023. XGBoost, random forest classifiers, support vect
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 develop an interpretable machine learning model for predicting the risk of FS in children with enterovirus (EV) infections and to implement it for clinical application.
METHODS: This retrospective study included 446 hospitalized children with EV infection (144 FS, 302 non‑FS). LASSO regression and BORUTA algorithm selected 15 key predictors from 53 clinical variables. Six models (logistic regression, KNN, Naive Bayes, MLP, random forest, XGBoost) were constructed and evaluated using AUC, sensitivity, specificity, F1 score, and decision curve analysis. SHAP values
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.
OBJECTIVE: The objective of this study was to examine whether machine learning has the capacity to prospectively identify and predict the emergence of Fragile X-associated tremor/ataxia syndrome (FXTAS) among male fragile X premutation carriers (PCs).
METHODS: We explored neuropsychological and motor evaluation metrics, brain magnetic resonance imaging (MRI), and health metrics in 103 male participants (72 PCs, mean = 60.4 years at enrollment) and 31 healthy controls (HCs; mean = 57.8 years at enrollment) across a total of 299 visits to identify optimal FXTAS risk markers. We compared differe
СтатьяПоддержка NIH: внешняя программаПоиск 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: Preterm birth, defined as delivery before 37 weeks of gestation, is a major cause of neonatal morbidity and mortality and places a substantial burden on healthcare systems. Many existing prediction tools depend on clinical measurements, imaging, or laboratory results that may be unavailable or inconsistently recorded early in pregnancy. Routinely collected administrative health records may offer a scalable alternative for early population-level risk prediction.
OBJECTIVE: This study aimed to develop and evaluate machine learning models for predicting preterm birth at 26 weeks of g
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.
Comorbidity of cardiovascular disease (CVD) and osteoarthritis (OA) poses a significant global health burden, leading to increased disability and mortality. The influence of dietary antioxidants on the risk of CVD-OA comorbidity remains unclear, and new predictive tools are needed for early identification. We utilized nationally representative data from the US National Health and Nutrition Examination Survey (2007-2010) in a cross-sectional study design to systematically assess the association between dietary antioxidant intake and CVD-OA comorbidity risk. A total of 7682 participants with com
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.
OBJECTIVES: This study aimed to develop an effective model for predicting Hodgkin lymphoma (HL) prognosis as to assist clinicians in making optimal clinical decisions.
METHODS: This study screened HL patients from the Surveillance, Epidemiology, and End Results (SEER) database from 2000 to 2021. Feature selection was performed using the Boruta algorithm. Four ML models were built based on the feature selection algorithm. The area under the curve (AUC), decision curve analysis, and Brier score were employed to evaluate the reliability of the four ML models. The feature importance was ranked th
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: Autoimmune hepatitis (AIH) is an important indication for liver transplantation (LT), but recurrence affects over 30% of recipients, threatening long-term survival. Current strategies to prevent recurrence and progressive graft fibrosis remain suboptimal, with limited evidence to guide selection of immunosuppressive regimens. We aimed to develop a dynamic, individualized, artificial intelligence-powered model for post-transplant recurrent AIH.
METHODS: We conducted a multicenter, retrospective cohort study of 706 patients who underwent LT for AIH between January 1987 and June 2020
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: Negative affect is a primary antecedent for binge eating (BE). Just-in-time adaptive interventions (JITAIs) prompt the use of therapy skills when at risk for maladaptive behaviors. JITAIs show promise for improving emotion regulation skill use and decreasing BE. Identifying momentary negative affect has relied on ecological momentary assessment (EMA). EMA surveys are typically delivered 4-6 times/day via smartphone and are self-report; accordingly, EMA is limited by temporal granularity, participant insight, and adherence. Wearable sensors which continuously, passively measure physi
СтатьяСравнительное исследованиеНаблюдательное 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: Neglected Tropical Diseases (NTDs) affect 1.5 billion people worldwide with 39% of the global burden occurring in Africa. In Kenya, NTDs remain endemic despite control efforts, with co-endemicity of soil-transmitted helminths (STH), schistosomiasis (SCH), and lymphatic filariasis (LF) complicating intervention strategies. This study developed machine learning models to predict high-risk co-endemic areas using demographic and Water, Sanitation, and Hygiene (WASH) indicators.
METHODOLOGY: The study analyzed Kenya's 2022 NTD co-endemicity data from the Expanded Special Project for El
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.
Encephalitic alphaviruses, including Eastern equine encephalitis virus (EEEV), cause severe neurological disease with high mortality rates, and thus are a public health threat. Although members of the low-density lipoprotein receptor (LDLR) family, including VLDLR, LRP8 (ApoER2), and LDLR recently were identified as receptors for EEEV, residual infection in receptor-deficient cells suggests that additional entry factors exist. Using a CRISPR-based activation screen, we identified LDLR-related protein 4 (LRP4) as a candidate entry factor for EEEV and several related alphaviruses (Western equine
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.