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
57249 публикаций
Поиск: 256 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1914 с найденным полным текстом
Global & regional health technology assessment2026eng
INTRODUCTION: Artificial Intelligence (AI) is rapidly expanding across the pharmaceutical value chain; however, empirical evidence on its application in Market Access (MA) remains limited. Given the strategic relevance and regulatory complexity of MA, understanding current AI adoption and perception represents a significant evidence gap. This study provides one of the first exploratory, European-focused assessments specifically investigating the role of AI in pharmaceutical MA.
METHODS: A structured, closed survey was conducted among European pharmaceutical MA executives and senior leaders. T
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.
Artificial intelligence (AI) is rapidly transforming healthcare through advances in machine learning, predictive analytics, and large language models. These technologies offer substantial opportunities to improve diagnostic support, information management, and clinical decision support. Within military medicine, AI may afford a tactical advantage because future combat operations are expected to occur in contested environments characterized by prolonged evacuation timelines, degraded communications, limited resources, and increased casualty burdens. However, while AI can augment clinical perfor
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.
The expansion of artificial intelligence (AI) in healthcare is often framed as a response to clinical needs and system inefficiencies; however, its alignment with professional values and everyday practice remains less examined. This study examines the role of AI in dentistry through qualitative semi-structured interviews with 16 dentists in active clinical practice, conducted in Chile in 2025, focusing on how practitioners evaluate AI in relation to their professional ethos. The findings show that dentistry is understood as a moral practice centered on relational care and situated judgment. Wh
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 aims to evaluate the relationship between emotional intelligence (EI) and creative performance (CP) in the workplace and their indirect association through perspective-taking (PT). The study applied surveys to 224 mid-level managers from large private banks in Ecuador. The research hypotheses were tested using Partial Least Squares-Structural Equation Modeling (PLS-SEM). The results indicate a significant positive relationship between EI and CP. Furthermore, PT serves as a mediator in that relationship, underscoring the importance of soft skills in fostering workplace creativity. Ad
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.
Ambient artificial intelligence (AI) scribes are entering clinical practice on aligned incentives, with physicians gaining relief from documentation burden and health systems gaining revenue through more complete coding. Yet adoption has outpaced evaluation. This paper identifies a specific phenomenon, which it calls inference impersonation. In the Assessment and Plan, ambient AI scribes do not transcribe clinical reasoning but rather generate it. The resulting text mimics physician judgment without the iterative hypothesis testing, contextual weighing, and management reasoning that define cli
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 PURPOSE: Tamoxifen is a cornerstone of adjuvant endocrine therapy for breast cancer, yet significant inter-individual variability in treatment response and mortality exists. Identifying robust predictors of outcomes remains a critical need. This study integrated machine learning, explainable artificial intelligence (XAI) and Bayesian modelling to predict mortality and identify key prognostic factors in breast cancer patients receiving adjuvant tamoxifen.
EXPERIMENTAL APPROACH: We analysed data from 568 patients from the International Tamoxifen Pharmacogenomics Consortium databa
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 detection of PIK3CA mutations is essential for guiding PI3K-targeted therapies in breast cancer, yet sequencing is not universally accessible, and single-modality prediction models have limited performance. This study developed a multimodal deep learning framework integrating whole-slide imaging (WSI) and structured clinical data to improve mutation prediction.
METHODS: A total of 1,047 patients from TCGA and 166 patients from 3 external centers were included. The histopathology model used a transformer-based pretrained encoder (H-optimus-0) and a clustering-constrained at
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.
BACKGROUND: Traditional health care systems have evolved to increasingly recognize patients' perspectives as key to improving the quality of care, especially in oncology. Hence, patient-reported outcome measures (PROMs) and patient-reported experience measures (PREMs) can enhance patient-health care provider communication while facilitating individualized care. This tailored approach improves patient outcomes and highlights the need for research methods to account for variability in patient experiences across diverse sociodemographic and clinical backgrounds while proposing artificial intellig
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 understand whether cancer-neutral image attributes (breast area and number of slices) impact an AI algorithm assessment of negative digital breast tomosynthesis (DBT) screening exams.
METHODS: This retrospective cohort study included women from a single institution whose screening mammogram was interpreted as negative between 2016 and 2019. All patients had at least 2 years follow-up without evidence of malignancy. Primary outcome measures were AI-calculated assessment of present and future likelihood of malignancy, quantified as a case and risk score. A multivariable linear reg
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 aimed to develop and validate an artificial intelligence (AI) model for the non-invasive early detection of dyslipidemia using liver chemical shift-encoded MRI (CSE-MRI) fat maps. An automated AI pipeline was developed to predict abnormalities in four lipid indicators: triglyceride, total cholesterol, low-density lipoprotein cholesterol, and high-density lipoprotein cholesterol. The study utilized 1,757 liver CSE-MRI fat images from 89 patients who underwent MRI scans and contemporaneous blood lipid testing. Transfer learning was applied using several pre-trained networks, including
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 explores the relationship between sports emotional intelligence and exercise adherence in adolescents and constructs a sequential mediation model through the mediating roles of exercise enjoyment and exercise identity. Methods: Using a school-based cross-sectional survey, 1278 adolescents aged 12-18 years from Anhui, Henan, Guangxi, and Chongqing were recruited and completed the Sports Emotional Intelligence Scale, Exercise Enjoyment Scale, Exercise Identity Scale, and Exercise Adherence Scale. Data were analyzed using Mplus 8.1 and SPSS 25.0. Common method bias was asses
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/Objectives: Antimicrobial resistance (AMR), driven by high-risk bacterial pathogens, is a major healthcare threat. This scoping review mapped artificial intelligence/machine learning (AI/ML) and computational approaches integrated with whole-genome sequencing (WGS), genomic surveillance, rapid typing, epidemiological data, or clinical metadata for early warning of AMR outbreak clones. Methods: Following PRISMA-ScR guidance and the Population-Concept-Context (PCC) framework, PubMed/MEDLINE, Scopus, and Web of Science were searched for English-language studies published between 2010 a
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.
OBJECTIVE: Multiparametric magnetic resonance imaging (mpMRI) detects clinically significant prostate cancer (csPCa, Gleason Grade Group ≥ 2) with high sensitivity but limited specificity and inter-reader variability. Artificial intelligence (AI), particularly convolutional neural networks (CNNs) and deep learning, may improve diagnostic consistency and accuracy. This meta-analysis compares AI systems and experienced radiologists in detecting csPCa using mpMRI.
METHODS: We performed a systematic review and meta-analysis of English-language non-RCT studies. PubMed, Embase, and Cochrane databas
СтатьяМетаанализСистематический обзорСравнительное 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: Artificial intelligence (AI) and machine learning (ML) may strengthen hospital infection prevention and control (IPC) through automated surveillance, early warning, and decision support, but the evidence base is fragmented and often limited to retrospective model development.
METHODS: We conducted a Preferred Reporting Items for Systematic Reviews and Meta-Analyses 2020 systematic review to synthesize studies of AI/ML in acute care hospital IPC, distinguishing implemented systems integrated into workflows from non-implemented development/validation studies. On January 17, 2026, we
СтатьяОбзорПолный 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 decision to administer postoperative radioactive iodine therapy in differentiated thyroid cancer is evolving. Given the growing utility of large language models in medical decision-making, we hypothesize that artificial intelligence models can inform recommendations regarding postoperative radioactive iodine therapy.
METHODS: After institutional review board approval, demographic, operative, and pathologic details from 100 adult patients with differentiated thyroid cancer who underwent total thyroidectomy were retrospectively extracted. A comprehensive literature review was co
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: To determine whether AI-reconstructed prostate MRI at reduced acquisition times maintains prostate cancer (PCa) detection performance comparable to conventional scans.
MATERIALS AND METHODS: This multicenter, retrospective, consecutive-cohort study included 120 multi-coil T2-weighted prostate MRI scans from the University Medical Center Groningen (UMCG) and 312 publicly available scans from New York University (NYU). An AI model trained on the NYU data was tested on retrospectively undersampled UMCG scans at acceleration factors R = 3 and R = 6 (i.e., data reduction in k-space). E
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.
Ovarian cancer (OC) remains a leading cause of gynecologic cancer mortality worldwide because early symptoms are often vague, effective population-level screening strategies are lacking, and outcomes are shaped by biological heterogeneity and unequal access to diagnostic and molecular testing resources. This Mini Review summarizes advances from 2021 to 2026 in artificial intelligence (AI) applications across the OC care continuum, focusing on early detection, treatment decision-making, prognostic assessment, clinical implementation, and health equity. This review maps AI applications against c
СтатьяОбзорПолный 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: Gestational diabetes mellitus (GDM) is a common complication during pregnancy, with its incidence increasing year by year. It poses numerous adverse health effects on both mothers and newborns. Accurate prediction of GDM can significantly improve patient prognosis. In recent years, artificial intelligence (AI) algorithms have been increasingly used in the construction of GDM prediction models. However, there is still no consensus on the most effective algorithm or model.
OBJECTIVE: This study aimed to evaluate and compare the performance of existing GDM prediction models construct
СтатьяСистематический обзорМетаанализПолный 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: Data, information, and knowledge in health care has expanded exponentially over the past 50 years, leading to significant challenges with information overload and complex, fragmented care plans. Generative artificial intelligence (AI) has the potential to facilitate summarization and integration of knowledge to enable efficient care planning and reduce cognitive load of clinicians.
OBJECTIVE: To determine the value of AI generated summarization through optimization of short synopsis creation at care transitions.
DESIGN: Blinded, randomized comparison study comparing human- vs AI-
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: To evaluate the real-world effectiveness of an artificial intelligence (AI) and big data-driven personalized chronic disease management model for type 2 diabetes mellitus (T2DM) patients, compared to conventional nurse-led management, and to identify factors associated with successful glycemic control within the personalized model.
METHODS: A retrospective cohort study was conducted involving 280 T2DM patients discharged from a single hospital between January 2019 and December 2024. Patients were divided into a conventional management group (n = 100) and a personalized management
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.