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
34964 публикаций
Поиск: 905 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2553 с найденным полным текстом
Journal of anesthesia, analgesia and critical care2022eng
BACKGROUND: Since January 2020, coronavirus disease 19 (COVID-19) has rapidly spread all over the world. An early assessment of illness severity is crucial for the stratification of patients in order to address them to the right intensity path of care. We performed an analysis on a large cohort of COVID-19 patients (n=581) hospitalized between March 2020 and May 2021 in our intensive care unit (ICU) at Policlinico Riuniti di Foggia hospital. Through an integration of the scores, demographic data, clinical history, laboratory findings, respiratory parameters, a correlation analysis, and the use
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.
Objective: Given the association between vitamin D deficiency and risk for cardiovascular disease, we used machine learning approaches to establish a model to predict the probability of deficiency. Determination of serum levels of 25-hydroxy vitamin D (25(OH)D) provided the best assessment of vitamin D status, but such tests are not always widely available or feasible. Thus, our study established predictive models with high sensitivity to identify patients either unlikely to have vitamin D deficiency or who should undergo 25(OH)D testing.Methods: We collected data from 1002 hypertensive patien
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: Perinatal depression is one of the most common medical complications during pregnancy and postpartum period, affecting 10% to 20% of pregnant individuals, with higher rates among Black and Latina women who are also less likely to be diagnosed and treated. Machine learning (ML) models based on electronic medical records (EMRs) have effectively predicted postpartum depression in middle-class White women but have rarely included sufficient proportions of racial/ethnic minorities, which has contributed to biases in ML models. Our goal is to determine whether ML models could predict dep
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.
AIMS/BACKGROUND: Postpartum depression (PPD) is a common perinatal mental health disorder that leads to adverse maternal and infant outcomes. Existing screening strategies rely on self-reported symptom presence, potentially delaying early identification. This study aims to integrate biological, psychological, and social predictive factors using an ensemble learning (EL) strategy to develop a superior early prediction machine learning (ML) model for PPD.
METHODS: By integrating sociodemographic characteristics, clinical baseline data, and psychological test results of 1323 postpartum women, PP
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.
Colorectal cancer (CRC) is a leading cause of cancer-related mortality worldwide, largely due to the development of distant metastases, which is associated with poor survival outcomes. Early detection and accurate prediction of colorectal cancer metastasis can significantly improve patient outcomes. Conventional diagnostic approaches, including imaging and biomarkers, are often limited by suboptimal sensitivity and inter-observer variability. In recent years, machine learning (ML) and deep learning (DL) models have emerged as powerful tools capable of analyzing complex, high-dimensional clinic
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.
Cognitive decline in Parkinson's disease (PD) varies widely. While models to predict cognitive progression exist, comparing traditional probabilistic models to deep learning methods remains understudied. This study compares sequential modeling techniques to identify cognitive progression in individuals with and without PD. Using data from the Parkinson's Progression Marker Initiative, shallow Markov, deep recurrent (long short-term memory [LSTM]), and nonrecurrent (temporal fusion transformer [TFT]) models were compared to predict cognitive status over time. Cognitive status was categorized in
СтатьяСравнительное исследованиеПоддержка NIH: внешняя программаПоиск 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.
This study examined factors associated with sepsis in acute cholangitis and developed outcome-specific models for sepsis and mortality. We retrospectively analyzed data from 1,999 patients across two centers, including 1,561 admitted to general wards and 438 to the ICU. For each prediction task, the data were divided into training and internal-validation cohorts at a 7:3 ratio. Logistic regression (LR), random forest (RF), support vector machine (SVM), and Extreme Gradient Boosting (XGBoost) models were developed and compared, and Shapley Additive Explanations (SHAP) were used for interpretati
СтатьяVideo-Audio MediaПоддержка 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: Deep infiltrating endometriosis (DIE) is a severe endometriosis phenotype. This study aimed to develop and internally validate a machine learning-based predictive model for DIE using retrospective clinical data from a single center to improve diagnostic accuracy.
MATERIALS AND METHODS: Clinical, imaging, and laboratory data were retrospectively collected from 250 surgically confirmed DIE patients and non-DIE endometriosis controls (2020-2025). Samples were randomly split 7:3 into training and internal validation sets. Three machine learning algorithms-Random Forest (RF), Gradient B
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.
IMPORTANCE: Postmastectomy breast reconstruction (PMBR) improves patients' quality of life, but patients often lack reliable, individualized information about complication risk. Machine learning (ML) can analyze complex clinical data to generate personalized risk estimates, facilitating shared decision-making.
OBJECTIVE: To develop and validate ML models trained on both structured data and manually abstracted variables from unstructured clinical notes to predict major complications after PMBR.
DESIGN, SETTING, AND PARTICIPANTS: This prognostic study used retrospective data from female patien
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.
Osteoporosis, marked by decreased bone mineral density (BMD), poses a major public health concern by increasing fracture risk, lowering quality of life, and raising healthcare costs in aging populations. Accurate risk prediction is essential for early diagnosis and targeted intervention. While machine learning (ML) models have been used to predict osteoporosis risk based on clinical factors, their accuracy and generalizability are limited. Multi-omics studies, especially in genomics and proteomics, have shown promise in predicting osteoporosis-related traits, such as BMD and fracture risk. How
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.
PURPOSE: This feasibility study aimed to develop and evaluate machine learning models to predict shoulder redislocation using joint-specific imaging characteristics, in addition to traditional demographic variables.
METHODS: A prospective dataset from a tertiary referral centre was analysed, including cartilage MRI thickness measurements. Six classification algorithms were compared using 10-fold stratified cross-validation as the primary evaluation method. Preprocessing involved one-hot encoding of categorical variables and median imputation for missing values. The dataset was stratified into
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: Pediatric varicella encephalitis is a rare but serious complication of varicella, which has a significant impact on patient prognosis. Early clinical diagnosis is still challenging due to atypical clinical symptoms and lack of specific biomarkers. This study aims to establish a predictive model for pediatric varicella encephalitis and provide a practical tool for early clinical identification of such patients.
METHODS: A retrospective analysis method was used in this study. A total of 201 children with varicella were enrolled, including 156 in the training group and 45 in the test
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.
Arterial hypotension is a common and often unintended event during surgery under general anesthesia, associated with increased postoperative complications, such as kidney injury, myocardial injury, and stroke. Postinduction hypotension (PIH) is influenced by patient-specific factors, chronic medication use, and anesthetic induction regimens. Traditional predictive models struggle with this complexity, making machine learning (ML) a promising alternative due to its ability to handle complex datasets and identify hidden patterns. This study aimed to develop and validate an ML-based model for pre
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.
Melanoma is an aggressive skin cancer associated with a poor prognosis, making survival time a primary concern for patients. This study applies five machine learning models to predict survival rates for melanoma patients, aiming to improve prognostic accuracy and support clinical decision-making. Melanoma patient data were extracted from the Surveillance, Epidemiology, and End Results (SEER) database. Five machine learning models-Random Forest, Decision Tree, XGBoost, CatBoost, and LightGBM-were applied to predict 1-year, 3-year, and 5-year survival rates for melanoma patients. The CatBoost mo
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.
RNA modifications play a crucial role in enhancing the structural and functional diversity of RNA molecules and regulating various stages of the RNA life cycle. Among these modifications, N6-Methyladenosine (m6A) is the most common internal modification in eukaryotic mRNAs and has been extensively studied over the past decade. Accurate identification of m6A modification sites is essential for understanding their function and underlying mechanisms. Traditional methods predominantly rely on machine learning techniques to recognize m6A sites, which often fail to capture the contextual features of
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: In the context of the rapidly aging global population, sarcopenic obesity (SO) in older adults is associated with significantly higher rates of disability and mortality. SO has become a serious and critical public health concern. This study aimed to develop and validate predictive models using machine learning (ML) to identify SO in patients.
METHODS: Data from 386 participants collected at the Affiliated Hospital of Qingdao University were divided into an 8:2 ratio, with 80% used for training and 20% for testing. Univariate analysis was performed to identify the factors correlate
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: In a wide range of diseases, it is necessary to utilize multiple data sources to obtain enough data for model training. However, performing centralized pooling of multiple data sources, while protecting each patients' sensitive data, can require a cumbersome process involving many institutional bodies. Alternatively, federated learning (FL) can be utilized to train models based on data located at multiple sites.
METHOD: We propose two methods for training time-to-event prediction models based on distributed data, relying on FL algorithms, for time-to-event prediction models. Both
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: Renal injury is a severe complication among individuals diagnosed with gout. This research constructed a machine learning predictive model to assess renal injury risk in gout patients.
METHODS: In this study, we trained predictive models for renal injury in patients with gout using NHANES, from 2007 to 2018 database. Extreme Gradient Boosting (XGBoost), support vector machine (SVM) and K-Nearest Neighbors (KNN) were used to train models. Model performance was assessed using the area under the receiver operating characteristic curve (AUC), along with calibration curves and standard
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: Maternal morbidity and mortality remain critical health concerns globally. As a result, reducing the maternal mortality ratio (MMR) is part of goal 3 in the global sustainable development goals (SDGs), and previously, it was an important indicator in the Millennium Development Goals (MDGs). Therefore, identifying high-risk groups during pregnancy is crucial for decision-makers and medical practitioners to mitigate mortality and morbidity. However, the availability of accurate predictive models for maternal mortality and maternal health risks is challenging. Compared with traditiona
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.
In order to provide decision-making support for the auxiliary diagnosis and individualized treatment of calculous pyonephrosis, the study aims to analyze the clinical features of the condition, investigate its risk factors, and develop a prediction model of the condition using machine learning techniques. A retrospective analysis was conducted on the clinical data of 268 patients with calculous renal pelvic effusion who underwent ultrasonography-guided percutaneous renal puncture and drainage in our hospital during January 2018 to December 2022. The patients were included into two groups, one
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.