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
4030 публикаций
Поиск: 700 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 376 с найденным полным текстом
Pathogenic microbial contamination in seafood presents persistent risks to food safety and public health. Conventional monitoring methods frequently lack adequate sensitivity and specificity, particularly under dynamic environmental conditions. To address these limitations, this study developed a machine learning (ML) framework utilizing microbial testing data from seafood samples collected in Yantai, China (2014-2024), with 2025 data reserved for external validation. The framework simultaneously predicts pathogen prevalence and severity levels. And, exploratory data analysis assessed variable
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.
Mortality prediction in acute respiratory distress syndrome (ARDS) is critical for early triage and targeted treatment. In this study, we compared multiple machine learning models to predict 90-day all-cause mortality and 28-day hospital mortality in ARDS patients, with all models achieving good discrimination (AUC: 0.715-0.753 and 0.693-0.721, respectively). Among models, XGBoost achieved the most consistent balance of AUC, recall, and F1 score across both outcomes, making it the most clinically appropriate model where underpredicting high-risk patients brings significant consequences. Random
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: To develop a machine learning (ML)-based predictive model for assessing the risk of zero-dose children using Demographic Health Survey data in sub-Saharan Africa.
METHODS: This study analysed pooled Demographic and Health Survey data from 27 countries in sub-Saharan Africa collected between 2016 and 2024. Data preprocessing included imputation, balancing of unequal classes and systematic feature selection. Seven ML models were trained and evaluated using performance metrics such as accuracy, recall and F1-score. Feature importance was interpreted using SHapley Additive exPlanations
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.
Road traffic crashes pose a serious public safety challenge, particularly due to fatal and serious injuries. Although machine learning (ML) has been widely used for crash severity prediction, many studies remain accuracy-oriented and insufficiently address class imbalance, decision thresholds, and probabilistic reliability. This study proposes a safety-oriented and explainable ML framework for predicting killed or seriously injured (KSI) crashes using nationwide United Kingdom traffic accident data from 2020-2024. Crash severity is reformulated as a binary classification task distinguishing sl
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.
Metritis is a common postpartum uterine disease in dairy cows that impairs fertility, reduces milk yield, increases culling risk, and causes substantial economic loss. This study aimed to develop and externally validate machine learning models for early metritis prediction using routinely recorded calving and reproductive data from commercial Holstein dairy herds. The analytical unit was the calving-event record, so individual cows could contribute repeated observations across lactations and calendar years. A retrospective development dataset included 92,662 calving-event records collected fro
СтатьяСравнительное 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.
This study compared five machine learning algorithms-Random Forest (RF), Support Vector Machine (SVM), Decision Tree (DT), eXtreme Gradient Boosting (XGBoost), and Gradient Boosting (GB)-for classifying thyroid nodules using quantitative features derived from conventional ultrasound, contrast-enhanced ultrasound (CEUS), and super-resolution ultrasound (SRUS). The retrospective study included 68 thyroid nodules from 63 patients (30 benign and 38 confirmed as papillary thyroid carcinoma [PTC]) and was analyzed using 25 quantitative features via five-fold patient-grouped cross-validation, ensurin
СтатьяVideo-Audio MediaПолный 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.
Parkinson's disease (PD) primarily affects the central nervous system. In 2019, over 8.5 million cases were reported, with numbers continuing to rise. This growing prevalence emphasizes the urgent need for early detection and preventive strategies. To resolve this, numerous methods have been introduced, one of them being machine learning technique. By employing deep learning methods on the large-scale datasets, the early prediction and detection of PD is possible. These methods should be precisely evaluated on the basis of vocal features and the best method to predict this neurodegenerative ai
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: Adolescent depression is an increasing public health concern, with excessive screen time elevating depression risk and activity interests providing protection. However, most studies examine these behaviors separately and rely on limited analytical methods. This study used machine learning (ML) to develop a predictive model and evaluate the combined influence of screen time and activity interests on adolescent mental health.
METHODS: A multi-center survey was conducted among adolescents aged 10-14 years in Chongchuan District, Nantong. Depression-related domains were assessed using
СтатьяМногоцентровое 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.
Hybrid insulin peptides (HIPs) are neoepitopes involved in type 1 diabetes (T1D), but their complete repertoire remains unknown. The vast combinatorial space makes experimental screening unfeasible and requires bioinformatics-based prioritization. We developed a multi-level machine learning pipeline for ranking HIP candidates. First, 36 physicochemical and junction-specific features were computed for a reference library of 240 HIPs with known enzyme-linked immunospot (ELISPOT) reactivity, and a baseline Ridge regression model was trained. Next, all possible HIP candidates with 7-9 amino acid r
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.
Parkinson’s disease (PD) is a complex neurological disorder that is difficult to diagnose at an early stage. Early diagnosis and prediction of the disease can help improve the prognosis of patients and therapeutic interventions. Although machine learning (ML) has shown strong potential for PD diagnosis and prediction, its clinical use is limited by the lack of model interpretability. In this study, advanced but interpretable framework is proposed for Parkinson’s disease diagnosis by incorporating explainable artificial intelligence (XAI) and machine learning methods. The proposed framework est
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: Traditional short message service (SMS) recruitment, an essential method for recruiting blood donors, constitutes a highly imbalanced classification problem and still requires improvement in terms of efficiency and cost-effectiveness. METHODS: Using 513,523 donations and 11,616 SMS data from Nanjing, China, several machine learning models—including eXtreme Gradient Boosting (XGBoost), Support Vector Machine (SVM), K-Nearest Neighbors (KNN), Logistic Regression (LR), Decision Tree (DT), Random Forest (RF), and Multi-Layer Perceptron (MLP)—were initially trained, followed by an incre
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.
Accurate identification of cancer tissue/cell of origin (TOO/COO) is critical for diagnosis and treatment; yet existing whole-genome approaches demand extensive computation and often struggle with sparse mutation signals. Here, we introduce an informative regional subset framework that selects a small number of biologically and statistically significant 1Mbp genomic intervals to train a CatBoost prediction model. On a benchmark of 137 whole-genome samples across six cancer types, our method achieved a 4% gain in melanoma accuracy (from 88.0% using all 2,128 regions to 92.0% with 300 regions),
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.
Machine learning (ML) algorithms can be used to extract clinically meaningful information from movement data captured by inertial measurement units (IMUs), but many human activity recognition (HAR) pipelines are developed on large laboratory datasets that may not reflect small, heterogeneous, real-world samples. The purpose of this study is to systematically compare the accuracy of multiple ML models, feature sets (both simple and expanded), class balancing strategies, null and transition period handling techniques, and sensor configurations for recognizing a set of four everyday activities ex
СтатьяСравнительное 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.
Hypertension and diabetes are major risk factors for heart disease, which remains among the leading causes of morbidity and mortality worldwide. Heart disease includes heart failure, myocardial infarction, stroke, and atherosclerosis. The identification and monitoring of these risk factors are crucial for early intervention and effective management. Machine learning techniques have the potential to improve the management and prevention of heart disease by enabling the automatic detection of risk factors, which in turn can help doctors personalize treatment and facilitate preventive interventio
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: The prediction of overall survival in tongue cancer is important for planning of personalized care and patient counselling.
OBJECTIVES: This study compares the performance of a nomogram with a machine learning model to predict overall survival in tongue cancer. The nomogram and machine learning model were built using a large data set from the Surveillance, Epidemiology, and End Results (SEER) program database. The comparison is necessary to provide the clinicians with a comprehensive, practical, and most accurate assistive system to predict overall survival of this patient populat
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.
This study aims to analyze the temporal trends, interprovincial differences, and key predictors of Tuberculosis Outpatient Visits (TOV) in China. It provides empirical evidence for understanding regional differences in tuberculosis-related outpatient service uti- lization. Panel data from 30 Chinese provinces from 2012 to 2024 were used. The study included variables related to economic development, health resources, education resources, environmental governance, pollutant emissions, and technological innovation. Correlation analysis, model comparison, and XGBoost-SHAP analysis were applied. Fr
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.
The growing adoption of precision agriculture requires sustainable power sources for wireless sensor networks (WSNs) deployed in remote and resource-constrained environments. Conventional battery-powered systems are constrained by limited-service life, maintenance requirements, and environmental concerns. This study presents the design, experimental validation, statistical evaluation, and machine learning (ML)-based modeling of an ambient radio-frequency (RF) energy harvesting system for agricultural monitoring applications. The proposed system harvests RF energy from AM/FM broadcasting (558 k
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.
Against the backdrop of addressing climate change and reducing carbon emissions, carbon dioxide capture technology has gained increasing significance as a key approach toward achieving global carbon neutrality. However, in the development of phase change absorbents, current screening methods for phase separation agents (PSAs) predominantly rely on static empirical parameters, neglecting electronic effects and phase equilibrium mechanisms, which somewhat restrict the improvement of screening efficiency and accuracy. This study innovatively proposes a novel paradigm integrating quantum chemistry
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.
Fluoride (F-) contamination of groundwater remains a significant health risk in Nigeria, affecting rural and urban communities. This study examines the spatial distribution and factors influencing F- levels using a weighted ensemble machine learning model to forecast high-risk areas and estimate exposed populations. The primary factor controlling geogenic F- is the aquifer lithology, with the highest F- levels found in groundwater from crystalline basement complexes and sedimentary sandstones. The problem is exacerbated in dry regions, including semiarid and arid zones, where evaporation rates
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.
ObjectiveTo identify risk factors for postoperative acute kidney injury in patients undergoing off-pump coronary artery bypass grafting and to develop a machine learning model for effective risk prediction.MethodsWe extracted data from the Medical Information Mart for Intensive Care-IV database for patients who underwent off-pump coronary artery bypass grafting. Eight machine learning algorithms were trained, including logistic regression, support vector machine, gradient boosting machine, neural network, eXtreme gradient boosting, adaptive boosting, light gradient boosting machine, and catego
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.