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
16260 публикаций
Поиск: 271 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 565 с найденным полным текстом
Accurate forecasting of extreme temperature events is critically important for climate adaptation and disaster preparedness, yet it remains a fundamental challenge due to the abrupt and non-stationary nature of such phenomena. Current time-series models often fail to capture rapid transitions and anomalous patterns that deviate significantly from historical behaviors. Here, we propose Hankelformer, a novel deep learning architecture that integrates structured Hankel-based augmentation with contrastive learning to significantly improve the forecasting of extreme weather events. The model employ
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.
Accurate geosynchronous satellites status forecasting is essential for improving space situational awareness and supporting downstream tasks such as maneuver detection and intent inference. However, current models face difficulty modeling high-orbit observation data due to its strong non-stationary and weak periodic structure, which hinders effective long-range dependency learning and adaptation to evolving orbital dynamics. To address these challenges, we propose RAPG, a Retrieval-Augmented Patch Generation framework for geosynchronous satellite status analysis, including status forecasting a
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.
Forecasting infectious disease outbreaks is hard. Forecasting emerging infectious diseases with limited historical data is even harder. In this paper, we investigate ways to improve emerging infectious disease forecasting when little pathogen-specific training data are available. Specifically, we explore two sources of information that may be available near the start of an emerging disease outbreak: synthetic data and genetic information. For this investigation, we conducted an experiment where we trained deep learning models on different combinations of real and synthetic data, both with and
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.
Predicting future brain state from a baseline magnetic resonance image (MRI) is a central challenge in neuroimaging and has important implications for studying neurodegenerative diseases such as Alzheimer's disease (AD). Most existing approaches predict future cognitive scores or clinical outcomes, such as conversion from mild cognitive impairment to dementia. Instead, here we investigate longitudinal MRI image-to-image prediction that forecasts a participant's entire brain MRI several years into the future, intrinsically modeling complex, spatially distributed neurodegenerative patterns. We i
СтатьяПрепринтПоиск 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: Malaria continues to pose a public health challenge in Sierra Leone, where timely and accurate forecasting can guide more effective interventions. Although seasonal models such as Seasonal Autoregressive Integrated Moving Average (SARIMA) have traditionally been employed for disease forecasting, Artificial Neural Networks (ANNs) have gained attention for capturing complex temporal patterns that linear models may not fully capture.
METHODS: This study compares the forecasting performance of SARIMA and ANN models in forecasting malaria cases using malaria case data from 2018 to 2023
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.
Typhoons are natural disasters characterized by their high frequency of occurrence and significant impact, often leading to secondary disasters. In this study, we propose a prediction model for the trend of typhoon disasters. Utilizing neural networks, we calculate the forgetting gate, update gate, and output gate to forecast typhoon intensity, position, and disaster trends. By employing the concept of big data, we collected typhoon data using Python technology and verified the model's performance. Overall, the model exhibited a good fit, particularly for strong tropical storms. However, impro
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.
Energy is a key source of economic growth because many production and consumption activities involve energy as a basic input hence central to the operation of any modern economy. The study constructs an energy humanization index and forecasts the various dimensions of energy humanization in Ghana by 2030 using the minimum-maximum normalization approach and assigning equal weight to each of the different indicators and dimensions. The forecast ascertains the achievability of SDG 7. Exponential smoothing was also adopted for forecasting future values. The study employed a dataset spanning from 1
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: Great progress has been made toward the elimination of trachoma as a public-health problem. Mathematical and statistical models have been used to forecast when the program will attain the goal of the elimination of active trachoma, defined as prevalence of trachomatous inflammation-follicular in 1-9 year olds (TF1-9) <5%. Here we use program data to create an empirical model predicting the year of attaining global elimination of TF1-9.
METHODOLOGY/PRINCIPAL FINDINGS: We calculated the mean number of years (95% CI) observed for an implementation unit (IU) to move from a baseline TF
СтатьяПоддержка 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.
Since the onset of the COVID-19 pandemic, countless disease prediction models have emerged, shaping the focus of news media, policymakers, and broader society. We reviewed the accuracy of forecasts made during prior twenty-first century epidemics, namely SARS, H1N1, and Ebola. We found that while disease prediction models were relatively nascent as a research focus during SARS and H1N1, for Ebola, numerous such forecasts were published. We found that forecasts of deaths for Ebola were often far from the eventual reality, with a strong tendency to over predict. Given the societal prominence of
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.
Time series modelling and forecasting plays an important role in various domains. The objective of this paper is to construct a simple average ensemble method to forecast the number of cases for infectious diseases like dengue and typhoid and compare it by applying models for forecasting. In this paper we have also evaluated the correlation between the number of typhoid and dengue cases with the ecological variables. The monthly data of dengue and typhoid cases from 2014 to 2017 were taken from integrated diseases surveillance programme, Government of India. This data was analysed by three mod
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: This paper forecasts next year's canine heartworm prevalence in the United States from 16 climate, geographic and societal factors. The forecast's construction and an assessment of its performance are described.
METHODS: The forecast is based on a spatial-temporal conditional autoregressive model fitted to over 31 million antigen heartworm tests conducted in the 48 contiguous United States during 2011-2015. The forecast uses county-level data on 16 predictive factors, including temperature, precipitation, median household income, local forest and surface water coverage, and presen
СтатьяПоддержка NIH: внешняя программаПоддержка правительства СШАПоддержка 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.
INTRODUCTION: Cutaneous leishmaniasis (CL) is a vector-borne disease of increasing importance in northeastern Brazil. It is known that sandflies, which spread the causative parasites, have weather-dependent population dynamics. Routinely-gathered weather data may be useful for anticipating disease risk and planning interventions.
METHODOLOGY/PRINCIPAL FINDINGS: We fit time series models using meteorological covariates to predict CL cases in a rural region of Bahía, Brazil from 1994 to 2004. We used the models to forecast CL cases for the period 2005 to 2008. Models accounting for meteorologic
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: The United Nations (UN) Population Division produces probabilistic projections for the total fertility rate (TFR) using the Bayesian hierarchical model of Alkema et al. (2011), which produces predictive distributions of the TFR for individual countries. The UN is interested in publishing probabilistic projections for aggregates of countries, such as regions and trading blocs. This requires joint probabilistic projections of future country-specific TFRs, taking account of the correlations between them.
OBJECTIVE: We propose an extension of the Bayesian hierarchical model that allow
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: Machine learning (ML) is increasingly used for hospital demand forecasting, but few published studies report multiple-comparison-corrected statistical tests against competitive baselines, and few characterise the structural-break context in which forecasts are evaluated.
OBJECTIVE: To audit seven AI/ML methods against statistical baselines on 15 years of NHS England activity data, with explicit attention to structural breaks and pandemic confounding.
METHODS: Monthly A&E activity (n = 189) and 52-quarter KH03 bed occupancy (2010-2026) were obtained from public NHS England release
СтатьяСравнительное 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.
El Niño creates an important opportunity for anticipatory public health action because its development can often be detected before many downstream hazards emerge. Yet predictability does not transfer uniformly from the large-scale El Niño Southern Oscillation (ENSO) signal to regional climate anomalies and ultimately to health outcomes. This Perspective proposes a locally adaptable forecast-to-action framework that distinguishes three levels of predictability: ENSO prediction, regional and local climate prediction, and health-risk prediction. We argue that an El Niño forecast should initiate
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
Редакционная статьяКомментарийПоиск 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.
OBJECTIVES: Japanese encephalitis is considered as a secondary legal infectious disease in Korea and is transmitted by mosquitoes in the summer season. The purpose of this study was to predict the ratio of Culex tritaeniorhynchus to all the species of mosquitoes present in the study regions.
METHODS: From 1999 to 2012, black light traps were installed in 10 regions in Korea (Busan, Gyeonggi, Gangwon, Chungbuk, Chungnam, Jeonbuk, Jeonnam, Gyeongbuk, Gyeongnam, and Jeju) to capture mosquitoes for identification and classification under a dissecting microscope. The number of mosquitoes captured/
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
НовостьПолный 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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
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.