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
27840 публикаций
Поиск: 324 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1105 с найденным полным текстом
PURPOSE: PPOI is one of the common complications of intraperitoneal hyperthermic chemotherapy during laparoscopic radical resection of rectal cancer, which seriously affects the prognosis of patients. The purpose of this study is to establish a prediction system for PPOI secondary to laparoscopic radical resection of rectal cancer combined with intraperitoneal hyperthermic chemotherapy with lobaplatin.
MATERIALS AND METHODS: Retrospectively analyzed the clinical data of 800 patients who received laparoscopic radical rectal cancer combined with lobaplatin hyperthermia and intraperitoneal chemo
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.
Postoperative nausea and vomiting (PONV) is a frequent and serious complication after surgery. PONV also reduces patient satisfaction with surgery under spinal anesthesia and increases medical costs due to prolonged hospitalization. The purpose of this study is to apply artificial intelligence (AI) machine learning analysis to identify risk factors for PONV in patients undergoing surgery with spinal anesthesia. This retrospective study used artificial intelligence to analyze data of adult patients (aged ≥20 years) who underwent surgery under spinal anesthesia at Tohoku University Hospital from
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.
Traditional statistical models often struggle to accurately predict global burden of respiratory diseases due to the complex and interdependent nature of environmental variables. To address these challenges, this study aims to develop and evaluate machine learning models for respiratory disease prediction from 1999 to 2015 in Penang, Malaysia. The dataset on respiratory disease cases was obtained from the Health Informatics Centre, Ministry of Health Malaysia, while environmental data were sourced from the Department of Environment Malaysia. We considered ten predictors for analysis, consistin
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: This study aimed to explore the feasibility of developing and internal validating machine learning (ML) models for post-retrieval ovarian hyperstimulation syndrome (OHSS) risk stratification in patients undergoing assisted reproductive technology (ART).
METHODS: In this exploratory, single-center, retrospective study, three ML models were established using clinical and laboratory data from infertile patients undergoing controlled ovarian hyperstimulation (COH) at Jinxin Xinan Women & Children Hospital between 2020 and 2023. The models were evaluated comprehensively using the area u
СтатьяВалидационное 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.
Air plays a vital role in human life, and poor air quality can lead to respiratory infections. Given the significant impact of air quality on people's health, monitoring and assessing air quality is crucial. With advancements in machine learning (ML) and artificial intelligence (AI), we now have extensive tools to measure the Air Quality Index (AQI). Air quality is influenced by various pollutants, including carbon monoxide (CO), nitrogen dioxide (NO2), ozone (O3), and sulfur dioxide (SO2), which are prevalent in highly polluted areas and contribute to a wide range of illnesses. Particulate ma
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.
Optimizing immunosuppressive therapy remains central to improving long-term outcomes after kidney transplantation. Both induction and maintenance therapies are widely used, yet their comparative effectiveness across diverse recipient populations requires further evaluation. This national retrospective cohort study analyzed 228,855 deceased-donor kidney transplant recipients using data from 2000-2024. Multivariable Cox proportional hazards (PH) models were used for clinical inference, and four machine learning (ML) survival models: random survival forest (RSF), support vector machine (SVM), pen
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: In hypertrophic cardiomyopathy (HCM), detection of coronary microcirculatory dysfunction (CMD) usually relies on contrast-enhanced cardiac magnetic resonance (CMR). This study sought to develop a practical non-contrast radiomics model to identify CMD, minimizing reliance on contrast agents.
METHODS: A total of 290 patients with HCM were stratified by the presence or absence of CMD and randomly allocated into a training set and a test set at an 8:2 ratio. The application of logistic regression was implemented to identify predictive imaging features. Radiomics features were extracted
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.
OBJECTIVE: Develop a machine learning-based model for survival prediction in ALS, including advanced-stage patients (≤50% predicted normal vital capacity [VC50]).
METHODS: Training data from the PRO-ACT Database (n = 6896) was supplemented with advanced-stage ALS patients (n = 678), with model validation on distinct advanced-stage ALS patients (n = 403). Baseline patient characteristics, including slopes from symptom onset, were used to train a random forest model to identify parameters with the greatest relative importance (RI) for predicting survival outcomes. These parameters were used 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.
OBJECTIVE: To develop preoperative diagnostic models for superficial lymph node tuberculosis (LNTB) using radiomic features extracted from multimodal ultrasound imaging, including gray-scale ultrasound (US), ultrasound elastography (UE), and contrast-enhanced ultrasound (CEUS), in conjunction with various machine learning algorithms.
METHODS: A retrospective study was conducted on 222 patients with lymphadenopathy. The patients were randomly divided into a training group (n = 156) and a validation group (n = 66) in a 7:3 ratio. 837 radiomics features were extracted from images of each modalit
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.
Type 2 diabetes mellitus (T2DM) is a prevalent chronic condition characterized by elevated blood glucose levels resulting from insulin resistance or inadequate insulin secretion. Accurate prediction of future glucose levels is essential for minimizing complications and enabling proactive management. While machine learning and deep learning models have been extensively applied in this domain, the potential of large language models (LLMs) remains underexplored, with no prior studies systematically comparing them to conventional approaches using real patient data. In this study, we evaluate three
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.
Facioscapulohumeral muscular dystrophy (FSHD) is a genetic neuromuscular disorder characterized by progressive muscle degeneration with substantial variability in severity and progression patterns. FSHD is a highly heterogeneous disease; however, current clinical metrics used for tracking disease progression lack sensitivity for personalized assessment, which greatly limits the design and execution of clinical trials. This study introduces a multi-scale machine learning framework leveraging whole-body magnetic resonance imaging (MRI) and clinical data to predict regional, muscle, joint, and fu
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.
Early cannabis initiation during youth is associated with elevated risk for harmful substance use, mental disorders, and cognitive impairments. To account for the complexity behind cannabis use initiation, we performed a data-driven analysis across 151 measurements spanning seven domains from the individual, microsystem, and exosystem level of influences: biobehavior, cognition, brain MRI, family, peer, neighborhood and legal factors. Data were from 450 cannabis-naïve youths from the National Consortium on Alcohol and NeuroDevelopment in Adolescence (NCANDA) (baseline age: 12-21 years). Within
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.
Coronary heart disease is one of the leading causes of global death. Early detection and accurate risk assessment are critical for improving patient health and reducing fatality rates. Recently, machine learning has emerged as a powerful approach for predicting heart disease by analyzing clinical data, which enables timely intervention and personalized treatment. Hence, this study aims to propose a reliable model for predicting coronary heart disease that integrates multi-source heart disease data with various machine learning models. This study employs heart disease datasets from four separat
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: Sepsis is a life-threatening dysregulated host response to infection; early risk stratification is essential to guide intensive care.
OBJECTIVE: To develop and interpret a machine learning model for predicting in-hospital mortality among intensive care unit (ICU) patients with sepsis.
METHODS: We retrospectively analyzed clinical data from sepsis patients admitted to the ICU of the First Affiliated Hospital of Xinjiang Medical University. Missing values were imputed using the mice package, and class imbalance was addressed with the Synthetic Minority Oversampling Technique. Seven
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: Hypocalcemia occurs frequently in intensive care units (ICUs) and is independently associated with excess mortality. Conventional severity scores-such as APACHE II and SOFA-assign fixed weights to a limited set of variables and therefore fail to capture the nonlinear, high-dimensional physiology characteristic of hypocalcemic patients. Although machine learning (ML) approaches can enhance risk stratification, no interpretable model tailored to this cohort has been available.
METHODS: We harmonized de-identified data from MIMIC-III, MIMIC-IV, and two Grade III Level A hospitals in
СтатьяМногоцентровое 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.
The alphavirus capsid protein (Cp) selectively packages genomic RNA (gRNA) into the viral nucleocapsid to produce infectious virus. Using photoactivatable ribonucleoside crosslinking and an innovative biotinylated Cp retrieval method, here we comprehensively define binding sites for Semliki Forest virus (SFV) Cp on the gRNA. While data in infected cells demonstrate Cp binding to the proposed genome packaging signal (PS), mutagenesis experiments show that PS is not required for production of infectious SFV or Chikungunya virus. Instead, we identify multiple Cp binding sites that are enriched on
СтатьяПоддержка NIH: внешняя программаResearch Support, N.I.H., IntramuralПоддержка 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.
Foot-and-mouth disease (FMD) remains one of the most economically important infectious diseases of production animals globally. Vaccination can successfully control this disease, however, current vaccines are imperfect. They are made using chemically inactivated FMD virus (FMDV) that is produced in large-scale mammalian cell culture under high containment conditions. Here, we have expressed the FMDV capsid protein precursor (P1-2A) of strain O1 Manisa alone or with the FMDV 3C protease (3Cpro) using a "single cycle" packaged alphavirus self-replicating RNA based on Semliki Forest virus (SFV).
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 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.