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
1752 публикаций
Поиск: 630 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 220 с найденным полным текстом
BACKGROUND AND OBJECTIVES: Late-onset epilepsy is a heterogenous entity associated with specific aetiologies and an elevated risk of premature mortality. Specific multimorbid-socioeconomic profiles and their unique prognostic trajectories have not been described. We sought to determine if specific clusters of late onset epilepsy exist, and whether they have unique hazards of premature mortality.
METHODS: We performed a retrospective observational cohort study linking primary and hospital-based UK electronic health records with vital statistics data (covering years 1998-2019) to identify all c
Наблюдательное исследованиеСтатьяПоиск 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.
Radiation dermatitis is a major concern in intensity modulated proton therapy (IMPT) for head and neck cancer (HNC) despite its demonstrated superiority over contemporary photon radiotherapy. In this study, dose surface histogram data extracted from forty-four patients of HNC treated with IMPT was used to predict the normal tissue complication probability (NTCP) of skin. Grades of NTCP-skin were clustered using the K-means clustering unsupervised machine learning (ML) algorithm. A new skin-sparing IMPT (IMPT-SS) planning strategy was developed with three major changes and prospectively impleme
Сравнительное исследованиеСтатьяПолный 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: The identification of spinal tuberculosis subphenotypes is an integral component of precision medicine. However, we lack proper study models to identify subphenotypes in patients with spinal tuberculosis. Here we identified possible subphenotypes of spinal tuberculosis and compared their clinical results.
METHODS: A total of 422 patients with spinal tuberculosis who received surgical treatment were enrolled. Clustering analysis was performed using the K-means clustering algorithm and the routinely available clinical data collected from patients within 24 h after admission. Finally,
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.
PURPOSE: To determine whether a variational Bayesian independent component analysis mixture model (vB-ICA-mm), a form of unsupervised machine learning, can be used to identify and quantify areas of progression in standard automated perimetry fields.
METHODS: In an earlier study, it was shown that a model using vB-ICA-mm can separate normal fields from fields with six different patterns of visual field loss related to glaucomatous optic neuropathy (GON) along maximally independent axes. In the present study, an independent group of 191 patient eyes (66 with ocular hypertension (OHT), 12 with s
СтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПоддержка службы здравоохранения 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.
OBJECTIVES: This study aimed to study the public's sentiments on the current monkeypox outbreaks via an unsupervised machine learning analysis of social media posts.
STUDY DESIGN: This was an exploratory analysis of tweets sentiments.
METHODS: We extracted original tweets containing the terms 'monkeypox', 'monkey pox' or 'monkey_pox' and posted them in the English language from 6 May 2022 (first case detected in the United Kingdom) to 23 July 2022 (when World Health Organization declared Monkeypox to be a global health emergency). Retweets and duplicate tweets were excluded from study. Bidir
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.
Despite commercial availability of software to facilitate sleep-wake scoring of electroencephalography (EEG) and electromyography (EMG) in animals, automated scoring of rodent models of abnormal sleep, such as narcolepsy with cataplexy, has remained elusive. We optimize two machine-learning approaches, supervised and unsupervised, for automated scoring of behavioral states in orexin/ataxin-3 transgenic mice, a validated model of narcolepsy type 1, and additionally test them on wild-type mice. The supervised learning approach uses previously labeled data to facilitate training of a classifier f
СтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПоиск 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: Septic shock is a heterogeneous syndrome with diverse clinical presentations and pathophysiology, yet current management guidelines largely treat it as a homogenous entity. Early risk stratification relies on lactate and different predictive scoring systems, which may not capture the underlying heterogeneity in host responses. Aim: To identify discrete subphenotypes of septic shock using admission demographics and laboratory parameters, and to evaluate their relationship with in-hospital outcomes. Methods: We conducted a retrospective multicenter cohort study of 10,462 adult patien
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 aim of this study was to examine the risk factors for pharyngeal carriage of meningococci in third-level students using an unsupervised machine learning approach. Data were gathered as part of meningococcal prevalence studies conducted by the Irish Meningitis and Sepsis Reference Laboratory (IMSRL). Pharyngeal swab cultures for meningococcal carriage were taken from each student once they had completed a single-page anonymous questionnaire addressing basic demographics, social behaviors, living arrangements, vaccination, and antibiotic history. Data were analyzed using multiple corresponde
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.
BackgroundAlzheimer's disease (AD) patients frequently present to emergency departments (EDs) with complex comorbidities that complicate triage and management. Yet, little is known about how these multimorbidity patterns have evolved over time.ObjectiveTo identify temporal shifts in comorbidity-based phenotypes among older adults with AD visiting EDs between 2007 and 2022 using unsupervised clustering methods.MethodsWe analyzed ED visits for adults aged ≥60 with an AD diagnosis from the Nationwide Emergency Department Sample (NEDS) for the years 2007, 2012, 2017, and 2022. Using ICD-9/10 codes
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.
Microelectrode arrays (MEAs) provide powerful platforms for large-scalein vitrocardiac tissue analysis. We present a machine learning (ML)-assisted framework for multimodal characterization of cardiomyocyte activity recorded using a transparent thin-film-transistor MEA, allowing simultaneous acquisition of electrophysiological and optical data. The features of both modalities were integrated, and unsupervised learning identified contraction patterns without prior labels. Reliability was assessed with supervised models and SHapley Additive Explanations to confirm feature importance and label 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 comprehensively compare the disease burden among patients with RA, PsA and AS using Patient-Reported Outcome Measurement Information System (PROMIS) scores and to identify distinct patient clusters based on comorbidity profiles and PROMIS outcomes.
METHODS: Data from the global COVID-19 Vaccination in Autoimmune Diseases (COVAD) 2 e-survey were analysed. Patients with RA, PsA or AS undergoing treatment with DMARDs were included. PROMIS scores (global physical health, global mental health, fatigue 4a and physical function short form 10a), comorbidities and other variables were c
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: Non-specific low back pain (LBP) is a heterogeneous condition. Therefore, it is important to investigate whether clinically feasible assessments can identify diverse movement patterns in individuals with LBP.
PURPOSE: To identify distinct movement-based subgroups among individuals with non-specific LBP using thoraco-lumbo-pelvic marker trajectories during forward bending and to compare the resulting clusters with healthy controls.
STUDY DESIGN: Cross-sectional study.
METHODS: Kinematic data were collected from 127 individuals with non-specific LBP and 58 healthy controls during
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: Mitral annular disjunction (MAD) is increasingly recognized in mitral valve prolapse (MVP), but its anatomical embedding within degenerative MVP remains incompletely defined. We assessed whether explainable supervised learning and unsupervised clustering could identify MAD-associated MVP phenotypes.
METHODS: We analyzed a public surgical cohort of 979 patients with MVP and clinically significant mitral regurgitation. Etiology was classified as Barlow disease (BD) or fibroelastic deficiency (FED). Logistic regression, Random Forest and XGBoost were evaluated for MAD prediction usin
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.
OBJECTIVE: To identify risk patterns among high-risk newborns associated with hearing screening failure using unsupervised machine learning.
STUDY DESIGN: Retrospective cohort of 447 newborns. Partition around medoids clustering (Gower distance) was applied to demographic, perinatal, and diagnostic data. CART decision tree and diagnostic co-occurrence network analyses were performed to translate phenotypes into clinical rules and reveal risk factor synergy.
RESULTS: Four distinct phenotypes emerged: Cluster 1 (28.4%, term jaundice) had the lowest failure (20.5%); Cluster 2 (25.5%, preterm ma
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 apply unsupervised machine learning (ML) to predict outbreaks of respiratory tract infections (RTIs) in acute Irish hospitals (2016-2021).
STUDY DESIGN: A retrospective study.
METHODS: RTIs data was extracted from Irish hospital inpatient enquiry (HIPE). Three k-modes clustering models were developed, whose resulting clusters were compared via graphical visualisation of main RTIs to choose the model which captured the outbreaks best. To understand the individual RTIs behind the outbreaks, further exploration was carried out.
RESULTS: Nearly half a million patients (491,099) w
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.
Amyotrophic lateral sclerosis (ALS) displays considerable clinical and genetic heterogeneity. Machine learning approaches have previously been utilised for patient stratification in ALS as they can disentangle complex disease landscapes. However, lack of independent validation in different populations and tissue samples have greatly limited their use in clinical and research settings. We overcame these issues by performing hierarchical clustering on the 5000 most variably expressed autosomal genes from motor cortex expression data of people with sporadic ALS from the KCL BrainBank (N = 112). T
СтатьяПоддержка исследования: вне правительства СШАПоиск 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: Alzheimer's disease (AD) is a highly heterogeneous disease with diverse trajectories and outcomes observed in clinical populations. Understanding this heterogeneity can enable better treatment, prognosis and disease management. Studies to date have mainly used imaging or cognition data and have been limited in terms of data breadth and sample size. Here we examine the clinical heterogeneity of Alzheimer's disease patients using electronic health records (EHR) to identify and characterise disease subgroups using multiple clustering methods, identifying clusters which are clinically
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.
Background: Frequent simulation-based education is recommended to improve health outcomes during neonatal resuscitation but is often inaccessible due to time, resource, and personnel requirements. Digital simulation presents a potential alternative; however, its effectiveness and reception by healthcare professionals (HCPs) remains largely unexplored. Objectives: This study explores HCPs' attitudes toward a digital simulator, technology, and mindset to elucidate their effects on neonatal resuscitation performance in simulation-based assessments. Methods: The study was conducted from April to A
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.
Machine learning has become ubiquitous and a key technology on mining electronic health records (EHRs) for facilitating clinical research and practice. Unsupervised machine learning, as opposed to supervised learning, has shown promise in identifying novel patterns and relations from EHRs without using human created labels. In this paper, we investigate the application of unsupervised machine learning models in discovering latent disease clusters and patient subgroups based on EHRs. We utilized Latent Dirichlet Allocation (LDA), a generative probabilistic model, and proposed a novel model name
СтатьяПоддержка NIH: внешняя программаПоддержка исследования: вне правительства СШАПоиск 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.
AIM: To identify distinct phenotypic subgroups in a highly-dimensional, mixed-data cohort of individuals with heart failure (HF) with preserved ejection fraction (HFpEF) using unsupervised clustering analysis.
METHODS AND RESULTS: The study included all Treatment of Preserved Cardiac Function Heart Failure with an Aldosterone Antagonist (TOPCAT) participants from the Americas (n = 1767). In the subset of participants with available echocardiographic data (derivation cohort, n = 654), we characterized three mutually exclusive phenogroups of HFpEF participants using penalized finite mixture mod
СтатьяПоддержка NIH: внешняя программаПоддержка 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.