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
14501 публикаций
Поиск: 321 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 6276 с найденным полным текстом
INTRODUCTION: Cardiovascular diseases (CVD) are the leading cause of death globally, taking an estimated 17. 9 million lives each year. Cardiac rehabilitation is shown to reduce mortality and hospital readmissions, while improving physical fitness and quality of life. Despite the recommendations and proven benefits, acceptance and adherence remain low. Mobile health (mHealth) solutions may contribute to more personalized and tailored patient recommendations according to their specific needs. This study protocol aims to assess the effectiveness of a user-friendly, comprehensive Clinical Decisio
Протокол клинического исследованияСтатьяПоддержка 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: To evaluate a clinical guideline and an automated computer protocol for detection and respiratory isolation of tuberculosis (TB) patients.
DESIGN: An automated computer protocol was tested on a retrospective cohort of adult culture-positive TB patients admitted from 1992 to 1993 to Columbia-Presbyterian Medical Center and evaluated prospectively from July 1995 until July 1996.
SETTING: A large teaching hospital in New York City.
PATIENTS: 171 adult patients admitted from 1992 to 1993 and 43 patients admitted between July 1995 and July 1996.
INTERVENTIONS: The 1990 Centers for Di
СтатьяПоддержка исследования: вне правительства СШАПоддержка правительства СШАПоддержка службы здравоохранения 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: Clinical decision support (CDS) systems have been widely adopted in health care to enhance decision making, but opportunities to refine their application in end-of-life (EOL) care for older adults remain. Despite the potential of CDS tools to facilitate timely hospice referrals and improve palliative care planning, challenges such as eligibility complexities, late referrals, and integration into clinical workflows persist. This scoping review maps the current landscape of CDS systems in EOL care, identifies key system types, and examines their effectiveness in guiding clinical deci
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.
BACKGROUND: Artificial intelligence (AI) applications in dentistry are advancing rapidly, yet external validation studies are scarce. This pilot study evaluated 2 US Food and Drug Administration-cleared AI-based decision support systems for detecting caries and clinically relevant periodontal bone loss (≥ 33% or ≥ 5 mm of attachment loss) using longitudinal clinical data to establish ground truth.
METHODS: A retrospective analysis of 90 patients (mean [SD] age, 61.4 [13.2] years) records was conducted at the Veterans Affairs Greater Los Angeles Health Care System in Los Angeles, California. E
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.
BACKGROUND: Childhood obesity is a growing public health concern that can seriously impact children's physical development and long-term health if left unaddressed. Effective monitoring and early intervention are crucial for managing this risk.
OBJECTIVE: This study aims to evaluate the performance and clinical relevance of the Pediatric Obesity and Weight Management (PedOWM) tool, a semantic rule-based Clinical Decision Support System (CDSS) designed to assess and manage childhood and adolescent obesity using national anthropometric data.
METHOD: PedOWM was tested using retrospective auxolo
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
BackgroundHeart failure (HF) patients are frequently rehospitalized shortly after discharge. Telemonitoring and clinical decision support systems (CDSS) health alert follow-up may reduce the mortality and hospitalization in HF patients following discharge.MethodologyWe conducted a systematic review and meta-analysis of randomized controlled trials (RCTs) from PubMed, Web of Science, Scopus, Embase, and Cochrane Central Register of Controlled Trial until May 2024. Dichotomous data were pooled using risk ratio (RR) and continuous data using mean difference. This systematic review and meta-analys
СтатьяСистематический обзорМетаанализПоиск 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 clinical decision support systems (CDSSs) have been used since the 1970s for a wide variety of clinical tasks including optimization of medication orders, improved documentation, and improved patient adherence, to date, no systematic reviews have been carried out to assess their utilization and efficacy in transplant medicine. The aim of this study is to systematically review studies that utilized a CDSS and assess impact on patient outcomes. A total of 48 articles were identified as meeting the author-derived inclusion criteria, including tools for posttransplant monitoring, pretrans
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: Multimorbidity, the presence of more than one condition in a single individual, is a global health issue in primary care. Multimorbid patients tend to have a poor quality of life and suffer from a complicated care process. Clinical decision support systems (CDSSs) and telemedicine are the common information and communication technologies that have been used to reduce the complexity of patient management. However, each element of telemedicine and CDSSs is often examined separately and with great variability. Telemedicine has been used for simple patient education as well as more com
СтатьяПоддержка исследования: вне правительства СШАScoping ReviewПоиск 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.
Anesthesia information management systems (AIMS) are sophisticated hardware and software technology solutions that can provide electronic feedback to anesthesia providers. This feedback can be tailored to provide clinical decision support (CDS) to aid clinicians with patient care processes, documentation compliance, and resource utilization. We conducted a systematic review of peer-reviewed articles on near real-time and point-of-care CDS within AIMS using the Preferred Reporting Items for Systematic Review and Meta-Analysis Protocols. Studies were identified by searches of the electronic data
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.
OBJECTIVE: This scoping review will map the scope and nature of the available evidence on the use of artificial intelligence-based clinical decision support systems (AI-CDSSs) for undergraduate nursing students.
INTRODUCTION: AI is increasingly integrated into nursing education to support students' clinical reasoning and decision-making. Yet the literature on AI-CDSSs remains fragmented and heterogeneous, with variability in technologies, educational applications, and reported outcomes, as well as concerns regarding bias and ethical implications. To date, no comprehensive synthesis has mapped
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: Digital health technologies are rapidly increasing within healthcare services; however, adoption remains limited. Clinical decision support systems (CDSSs) are digital software designed to support decision-making. Reporting practices for CDSS development remain inconsistent and methodological guidance is limited.
OBJECTIVES: To identify and synthesise the methods used to capture and map clinical knowledge for the development of knowledge-based CDSSs.
ELIGIBILITY CRITERIA: English-language studies (2012-2024) describing the development of knowledge-based CDSSs and reporting of the
СтатьяScoping ReviewПоиск 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: Drug-related problems (DRPs) and potentially inappropriate prescribing (PIP) are associated with adverse patient and health care outcomes. In the setting of hospitalized older patients, Clinical Decision Support Systems (CDSSs) could reduce PIP and therefore improve clinical outcomes. However, prior research showed a low proportion of adherence to CDSS recommendations by clinicians with possible explanatory factors such as little clinical relevance and alert fatigue.
OBJECTIVE: To investigate the use of a CDSS in a real-life setting of hospitalized older patients. We aim to (I) re
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 prediction of postoperative recurrence is essential for individualized management and follow-up planning in patients with upper tract urothelial carcinoma (UTUC). However, reliable risk stratification remains challenging due to the heterogeneous nature of imaging characteristics and clinical information. In this study, we propose a multimodal clinical decision support framework that integrates contrast-enhanced computed tomography (CT) images with routinely available clinical variables for postoperative recurrence prediction. The proposed framework adopts an image-clinical integrated
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.
INTRODUCTION: Clinical decision support systems (CDSS) have emerged as valuable tools for enhancing healthcare for rare diseases. Nonetheless, most tools focus on diagnosis, while few support patient monitoring. We aim to report the methods to develop an evidence-based CDSS for monitoring rare diseases, using Bardet-Biedl Syndrome (BBS) as a case study.
METHODS: We assembled a multidisciplinary team of over 40 healthcare providers from 11 specialities to develop rare disease monitoring plans. We conducted a scoping review to map the existing literature on BBS monitoring, followed by the syste
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: Patients at need for ventilation often are at risk of acute respiratory distress syndrome (ARDS). Although lung-protective ventilation strategies, including low driving pressure settings, are well known to improve outcomes, clinical practice often diverges from these strategies. A clinical decision support (CDS) system can improve adherence to current guidelines; moreover, the potential of a CDS to enhance adherence can possibly be further increased by combination with a nudge type intervention.
METHODS: A prospective cohort trial was conducted in patients at risk of ARDS admitted
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.
End-of-life care (EoLC), such as advance care planning, advance directives, hospice, and palliative care consults, can improve patient quality of life and reduce costs, yet such interventions are underused. Machine learning-based prediction models show promise in identifying patients who may be candidates for EoLC based on increased risk of short-term (less than 1 year) mortality. Clinical decision support systems using these models can identify candidate patients at a time during their care when care teams can increase the provision of EoLC.Evaluate changes in the provision of EoLC with imple
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: Early and accurate triage of adnexal masses remains challenging due to the heterogeneous presentation of ovarian cancer and the fragmented nature of existing diagnostic tools. While several validated algorithms exist-such as NICE NG12, HSE, IOTA Simple Rules, O-RADS v2022, RMI2, and ROMA-each evaluates different aspects of risk, and none provide an integrated, clinically actionable output. We developed MOCRA (Multivariate Ovarian Cancer Risk Assessment), a deterministic, rule-based clinical decision support system (CDSS) designed to harmonize these tools into a unified risk stratif
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: Dental sealants are effective for the prevention of caries in children at elevated risk levels, and increasing the proportion of children and adolescents who have dental sealants on 1 or more molars is a Healthy People 2030 objective. Electronic health record (EHR)-based clinical decision support systems (CDSSs) have the ability to improve patient care. A dental quality measure related to dental sealant placement for children at elevated risk of caries was targeted for improvement using a CDSS.
METHODS: A validated dental quality measure was adapted to assess a patient's need for
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.
Patient care after kidney transplantation requires integration of complex information to make informed decisions on risk constellations. Many machine learning models have been developed for detecting patient outcomes in the past years. However, performance metrics alone do not determine practical utility. We present a newly developed clinical decision support system (CDSS) for detection of patients at risk for rejection and death-censored graft failure. The CDSS is based on clinical routine data including 1,516 kidney transplant recipients and more than 100,000 data points. In a reader study w
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
СтатьяКомментарийПоиск 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.