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
11381 публикаций
Поиск: 139 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 799 с найденным полным текстом
UNLABELLED: We evaluated three multimodal LLMs, ChatGPT (GPT-5.2), Gemini 3, and Microsoft Copilot, in pediatric ECG interpretation, focusing on clinically significant abnormalities and emergency arrhythmias with likelihood ratios as primary outcome measures. This prospective comparative diagnostic accuracy study (STARD/STARD-AI) included 264 pediatric patients with 12-lead ECGs (November 2024-November 2025). De-identified images were submitted via standardized zero-shot prompt. Three blinded pediatric cardiologists established the reference diagnosis by majority-vote consensus. Cases were cla
СтатьяСравнительное исследованиеПолный 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: Influenza-associated encephalopathy and acute necrotizing encephalopathy (ANE) are rare but devastating complications of pediatric influenza, and early differentiation from severe pneumonia without neurological involvement is challenging at admission. We aimed to develop and internally validate an early prediction model to distinguish severe influenza A pneumonia from influenza-associated central nervous system (CNS) involvement using routine admission laboratory tests. The intended clinical use is early triage: to prioritize neurological evaluation (e.g., EEG/neuroimaging when ind
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.
Protein-ligand pose prediction is central to structure-based drug discovery, yet the relative performance of physics-based and AI-driven methods under realistic cross-docking conditions remains insufficiently characterized. Here, we compare physics-based docking methods (AutoDock4, AutoDock Vina, and DOCK 6) with data-driven approaches, including the deep-learning model GNINA 1.3 and the diffusion-based frameworks AlphaFold 3, Boltz-2, and DiffDock. Performance was evaluated using standardised redocking and cross-docking protocols across three Alzheimer's disease targets representing distinct
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.
Accurate stratification of Hodgkin lymphoma (HL) by immunologic/histological subtypes and Epstein-Barr virus (EBV) status is essential for epidemiological and translational research, yet large-scale testing is impractical and expensive. Digital pathology models that utilize routinely used hematoxylin and eosin (H&E) whole-slide images (WSIs) could close this gap. We developed and validated a hierarchical Vision Transformer pipeline that aggregates cell-, patch-, and region-level context to predict EBV status and the three most prevalent immunological/histological HL subtypes: nodular sclerosis
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: Central venous catheters (CVCs) are widely used in pediatric care; however, their indwelling procedure can lead to severe complications such as catheter-associated infections and thrombosis. These complications significantly increase the suffering of pediatric patients, prolong hospitalization, and pose life-threatening risks. Although multiple risk prediction models have been developed to identify high-risk pediatric patients, a systematic and comprehensive evaluation of these models is still lacking. OBJECTIVE: We systematically reviewed published risk prediction models for centr
Систематический обзорСтатьяПолный 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: Warfarin pharmacogenomics is critical due to its narrow therapeutic index and significant interpatient variability. While machine learning (ML) can predict anticoagulation control status (ACS), its "black-box" nature limits clinical translatability. Explainable Artificial Intelligence (XAI) addresses this by providing interpretable insights. This study applied ML and XAI to a warfarin pharmacogenomic dataset to predict poor ACS and explain model decisions. Methods: A post hoc analysis was conducted on a cross-sectional dataset of 232 patients receiving warfarin for ≥6 months. Data
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.
Background: Plasma biomarkers are promoted as scalable tools for the staging of Alzheimer's disease (AD), yet head-to-head comparisons against the clinical scales used to define diagnostic labels remain scarce. Reported gains from machine learning fusion of clinical and biomarker features may reflect label circularity rather than biological signals, and quantifying this circularity is a central aim of the present work. Methods: From the Alzheimer's Disease Neuroimaging Initiative (ADNI), we assembled 655 participants (CN = 296, MCI = 168, and AD = 191) with concurrent plasma biomarkers (pT217,
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: Sepsis is a leading cause of pediatric mortality worldwide, disproportionately affecting children in low- and middle-income countries (LMICs). However, timely recognition of potential sepsis and access to healthcare resources needed to diagnose pediatric sepsis according to international guidelines are challenging in LMICs. This exploratory study aimed to develop machine learning (ML) models to detect pediatric sepsis and septic shock using a simplified set of clinical data contextualized for practical use in resource-limited settings.
METHODS: This was a secondary analysis of an
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: Despite prophylactic interventions, chemotherapy-related myelosuppression remains an important clinical concern in patients with diffuse large B-cell lymphoma (DLBCL) receiving R-CHOP. This study characterized its occurrence patterns, baseline predictors, temporal risk, and dynamic heterogeneity.
METHODS: We established an 8-year longitudinal cohort of patients with DLBCL who received standard-dose R-CHOP between 2016 and 2024. Endpoints included WHO-defined grade ≥1 and grade ≥3 myelosuppression and severe lineage-specific complications. Correlation analyses evaluated association
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: Moderate-to-severe preterm brain injury (PBI), including intraventricular hemorrhage (IVH) and periventricular leukomalacia (PVL), remains an important cause of adverse neurodevelopmental outcomes in preterm infants. Early risk stratification using routinely collected clinical data may help prioritize surveillance in vulnerable infants.
METHODS: We retrospectively included 318 preterm infants admitted between 2015 and 2024 as the development cohort. Thirty-three candidate predictors derived from perinatal factors, first laboratory tests within 24 h of admission, and selected early
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 identifies diagnostic biomarkers of OA-related synovitis from synovial tissue expression and develops a validated diagnostic nomogram (differentially expressed genes = differentially expressed genes; single-sample gene set enrichment analysis [ssGSEA]). We analyzed GEO synovium datasets (training: GSE55235, GSE55457, GSE82107, OA = 30 vs controls = 27; validation: GSE89408, OA = 22 vs controls = 28; cartilage comparator: GSE129147, OA = 10 vs controls = 9) and applied weighted gene correlation network analysis to identify phenotype-linked modules, followed by 4 machine learning mode
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: Infectious complications, such as sepsis or catheter-related infections, are common and serious sequelae after trauma. Despite their clinical significance, existing risk-prediction models are limited by reliance on in-hospital data that fail to capture complex physiological interactions. Thus, this study aimed to develop and validate an interpretable ensemble machine learning (ML) model integrating both prehospital and in-hospital clinical data to predict infectious complications after trauma.
METHODS: We used data from the Korean Trauma Data Bank, comprising patients admitted 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.
BACKGROUND: Mortality among hospitalized COVID-19 patients changed markedly across successive epidemic waves as circulating variants shifted, population immunity increased, and health-system pressures fluctuated. These increasingly heterogeneous conditions raise concerns about whether prediction models developed during early phases remain reliable in later epidemic contexts.
OBJECTIVE: To develop a wave-aware machine-learning framework that differentiates between stable physiological predictors of mortality and context-dependent predictors whose importance changed across waves.
METHODS: We a
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: Currently, most prediction models for acute kidney injury (AKI) in patients with colorectal cancer (CRC) are only applicable to postoperative situations, or rely on complex machine learning algorithms. There is currently no simple and feasible AKI prediction model for severely ill patients with advanced CRC.
OBJECTIVE: This study endeavors to devise and validate a novel clinical risk prediction model utilizing white blood cell (WBC)-related indicators to forecast AKI in critically ill patients with advanced CRC.
METHODS: A retrospective cohort study design was employed. The train
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: Functional recovery after Guillain-Barré syndrome (GBS) varies substantially. Prediction models that combine routinely available acute-phase clinical information with traditional Chinese medicine (TCM) syndrome features have not been adequately reported or validated. This study developed an acute-phase dynamic prediction model for 12-month functional outcome in GBS and evaluated discrimination, calibration, and potential clinical utility.
METHODS: We retrospectively screened 601 patients admitted between January 2015 and December 2023; 525 met eligibility criteria and had 12-month
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: Hormone receptor (HR) status guides breast cancer therapy. Deep learning (DL) applied to contrast-enhanced mammography (CEM) might offer a noninvasive means for HR status prediction, but class imbalance challenges model development and assessment. This preliminary study investigates CEM-based DL for HR status prediction, focusing on class imbalance handling.
MATERIALS AND METHODS: In this retrospective study, CEM tumor crops from 105 patients with invasive breast cancer were used. Patients were randomized into training (n = 68), validation (n = 16), and independent test (n = 21) s
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: The risk of developing atherosclerotic cardiovascular disease (ASCVD) varies among individuals and is related to a variety of lifestyle factors in addition to the presence of chronic diseases.
OBJECTIVE: We aimed to assess the predictive accuracy of machine learning (ML) models incorporating lifestyle risk behaviors for ASCVD risk using the Korean nationwide database.
METHODS: Using data from the Korea National Health and Nutrition Examination Survey, 5 ML algorithms were used for the prediction of high ASCVD risk: logistic regression (LR), support vector machine, random forest,
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: Acute respiratory distress syndrome (ARDS) is associated with high mortality, with sepsis accounts for 31-34% of cases. Given the global burden of sepsis (508 cases per 100 000 person-years) and its association with 20% of all global deaths, early mortality prediction in patients with sepsis-associated ARDS is critical. This study developed and validated the Sepsis-associated ARDS Fatality Evaluation Model (SAFE-Mo), a machine learning (ML) model designed to predict early mortality in sepsis-associated ARDS patients, enabling earlier identification of high-risk individuals.
METHOD
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.
BACKGROUND: Breast cancer is the most commonly diagnosed malignancy in women, and accurate preoperative assessment of axillary lymph node (ALN) status is pivotal for staging and treatment planning. However, conventional imaging has variable accuracy and sentinel lymph node biopsy (SLNB), though less invasive than ALN dissection (ALND), still entails morbidity, underscoring the need for non-invasive prediction. The objective of this study was to construct and validate a predictive nomogram that integrates multiphase dynamic contrast-enhanced magnetic resonance imaging (DCE-MRI)-derived radiomic
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: Although papillary thyroid cancer (PTC) patients are known to have an excellent prognosis, up to 30% of patients experience disease recurrence after initial treatment. Accurately predicting disease prognosis remains a challenge given that the predictive value of several predictors remains controversial. Thus, we investigated whether machine learning (ML) approaches based on comprehensive predictors can predict the risk of structural recurrence for PTC patients.
METHODS: A total of 2244 patients treated with thyroid surgery and radioiodine were included. Twenty-nine perioperative v
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.