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
21233 публикаций
Поиск: 246 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1553 с найденным полным текстом
Supervised machine learning is a popular tool for predictor selection in large data sets. The choice of method is currently either based on theory, subjective preferences, previous general simulation studies, or the best fit of a method to the data, which does not allow evaluating the methods' performance for a specific empirical application. In this article, we illustrate how to select a method through a simulation study tailored to an empirical application. The simulation study mimics cancer data with the aim of predicting patients' quality of life. We vary sample sizes, effect sizes, correl
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.
PURPOSE: Efficiently detecting obstetric outcomes, such as preterm birth or mode of delivery, is crucial for enhancing mother and newborn health. Proactive screening, identification, and prevention in asymptomatic pregnant women exhibiting risk factors for preterm birth or c-section delivery can mitigate incidence and fatality rates.
METHODS: This study thoroughly reviewed prediction models for obstetric outcomes, described the EHG signal acquisition protocols, pre-processing methods, feature extraction from EHG, and model properties, and compared their quality to establish the most effective
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 AND OBJECTIVES: We developed a series of machine learning models to predict early mortality after chronic subdural hematoma (cSDH) evacuation.
METHODS: We retrospectively collected patients treated surgically for cSDH at 4 level 1 trauma centers (2009-2021). Previously, we developed a deep learning segmentation tool to automatically calculate preoperative and postoperative cSDH volumes. Using cSDH volumes and clinical information, we developed 6 machine learning models including logistic regression (LR), support vector machine, neural network (NN), decision tree (DT), Naïve Bayes,
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.
Hepatitis, caused by viruses A-E, can silently progress to liver damage, cirrhosis, or cancer. Chronic B and C increase failure risk. Machine learning models help predict hepatitis risks using patient data, symptoms, and history. This study used Decision Tree Classification (DTC) and Extreme Gradient Boosting Classification (XGBC) with three optimizers Rhizotomy Optimization Algorithm (ROA), Gold Rush Optimizer (GRO), and Motion-Encoded Electric Charged Particles Optimization Algorithm (MEPO) to enhance accuracy. Among hybrids, DTRO achieved the highest accuracy (0.991), outperforming DTC. XGR
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: This study aims to utilize various machine learning algorithms to construct a risk prediction model for post-stroke Post-Traumatic Stress Disorder (PTSD), select the optimal model, and identify risk factors.
METHODS: A total of 249 stroke patients from two tertiary hospitals in Jiangsu Province and Shandong Province were selected and randomly divided into the training group and the validation group. Based on the results of Logistic regression analysis, a risk prediction model for PTSD after stroke was constructed by using Logistic regression, Random forest (RF) and K-nearest neigh
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.
PURPOSE: Machine learning methods accurately predict physical activity outcomes using accelerometer data generated by wearable devices. Thus, they allow investigation of the impact of the built environment on population physical activity. Although traditional machine learning methods do not provide prediction uncertainty, a new method, Bayesian Additive Regression Trees (BART), can quantify such uncertainty as a posterior predictive distribution. Our objective was to evaluate the performance of BART in regard to predicting physical activity status.
METHODS: We applied multinomial BART and a b
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.
Gallstone disease (GD) is a common gastrointestinal disease. Although traditional diagnostic techniques, such as ultrasonography, CT, and MRI, detect gallstones, they have some limitations, including high cost and potential inaccuracies in certain populations. This study proposes a machine learning-based prediction model for gallstone disease using bioimpedance and laboratory data. A dataset of 319 samples, comprising161 gallstone patients and 158 healthy controls, was curated. The dataset comprised 38 attributes of the participants, including age, weight, height, blood test results, and bioim
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.
INTRODUCTION AND OBJECTIVES: Delirium, recognized as a crucial prognostic factor in the cardiac intensive care unit (CICU), has evolved in response to the changing demographics among critically ill cardiac patients. This study aimed to create a predictive model for delirium for patients in the CICU.
METHODS: This study included consecutive patients admitted to the CICU of the Samsung Medical Center. To assess the candidate variables for the model: we applied the following machine learning methods: random forest, extreme gradient boosting, partial least squares, and Plmnet-elastic.net. After s
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: Abnormal white blood cell count after kidney transplantation is an important adverse clinical outcome. The abnormal white blood cell count in patients after surgery may be caused by the use of immunosuppressive agents and other factors. A lower white blood cell count than normal will greatly increase the probability of adverse outcomes such as infection and reduce the success rate of surgery.
OBJECTIVE: To establish a machine learning prediction model of leukocyte drop to abnormal level after kidney transplantation, and provide reference for clinical treatment.
METHODS: A total o
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.
PURPOSE: Conservative treatment remains the standard approach for first-time patellar dislocations. While risk factors for patellofemoral instability, a common paediatric injury, are well-established in adults, data concerning the progression of paediatric recurrent patellar dislocation remain scarce. A reproducible method was developed to quantitatively assess the patellofemoral morphology and anatomic risk factors in paediatric patients using magnetic resonance imaging (MRI) and machine learning analysis.
METHODS: Data were analyzed from a retrospective review (2005-2022) of paediatric pati
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 and computationally efficient prediction of wave run-up is required to mitigate the impacts of inundation and erosion caused by tides, storm surges, and even tsunami waves. The conventional methods for calculating wave run-up involve physical experiments or numerical modeling. Machine learning methods have recently become a part of wave run-up model development due to their robustness in dealing with large and complex data. In this paper, an extreme gradient boosting (XGBoost)-based machine learning method is introduced for predicting wave run-up on a sloping beach. More than 400 labo
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.
Current diagnostic criteria for ADHD include several symptoms that highly overlap in conceptual meaning and interpretation. Additionally, inadequate sensitivity and specificity of current screening tools have hampered clinicians' ability to identify those at risk for related outcomes. Using machine learning techniques, the current study aimed to propose a novel algorithm incorporating key ADHD symptoms to predict concurrent and future (i.e., five years later) ADHD diagnosis and related impairment levels. Participants were 399 children with and without ADHD; multiple informant measures of ADHD
СтатьяПоддержка NIH: внешняя программаПолный 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.
Each influenza pandemic was caused at least partly by avian- and/or swine-origin influenza A viruses (IAVs). The timing of and the potential IAVs involved in the next pandemic are currently unpredictable. We aim to build machine learning (ML) models to predict human-adaptive IAV nucleotide composition. A total of 217,549 IAV full-length coding sequences of the PB2 (polymerase basic protein-2), PB1, PA (polymerase acidic protein), HA (hemagglutinin), NP (nucleoprotein), and NA (neuraminidase) segments were decomposed for their codon position-based mononucleotides (12 nts) and dinucleotides (48
Оценочное исследованиеСтатьяПоддержка 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.
Next-generation sequencing (NGS) data present an untapped potential to improve microbial risk assessment (MRA) through increased specificity and redefinition of the hazard. Most of the MRA models do not account for differences in survivability and virulence among strains. The potential of machine learning algorithms for predicting the risk/health burden at the population level while inputting large and complex NGS data was explored with Listeria monocytogenes as a case study. Listeria data consisted of a percentage similarity matrix from genome assemblies of 38 and 207 strains of clinical and
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: Sepsis is a life-threatening condition characterized by dysregulated immune responses and metabolic disturbances. The albumin-to-neutrophil-lymphocyte ratio (ANLR) is a novel composite biomarker integrating nutritional and inflammatory status. However, its prognostic significance in sepsis remains unclear. This study aims to evaluate the association between ANLR and mortality in sepsis patients using both traditional statistical methods and machine learning models.
METHODS: A retrospective cohort study was conducted using the MIMIC-IV (v3.1) database. In this study, 6,288 patients
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.
INTRODUCTION: Percutaneous coronary intervention (PCI) has been the main treatment of coronary artery disease (CAD). In this review, we aimed to compare the performance of machine learning (ML) vs. logistic regression (LR) models in predicting different outcomes after PCI.
METHODS: Studies using ML or deep learning (DL) models to predict mortality, MACE, in-hospital bleeding, and acute kidney injury (AKI) after PCI or primary PCI were included. Articles were excluded if they did not provide a c-statistic, solely used ML models for feature selection, were not in English, or only used logistic
СтатьяСистематический обзорМетаанализПолный 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: This study examined the prevalence of pre-existing chronic conditions and their association with the receipt of specific cancer-directed treatments among older adults with incident primary Merkel Cell Carcinoma (MCC) using novel predictive and interpretable machine learning methods.
METHODS: We adopted a retrospective cohort study design with data from linked Surveillance, Epidemiology, and End Results (SEER) registry and Medicare Fee-For-Service claims databases of older adults (≥ 66 years) diagnosed with primary incident MCC between 2008 and 2017. The study cohort consisted of 1,
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: Accurate mortality prediction following transcatheter aortic valve implantation (TAVI) is essential for mitigating risk, shared decision-making and periprocedural planning. Surgical risk models have demonstrated modest discriminative value for patients undergoing TAVI and are typically poorly calibrated, with incremental improvements seen in TAVI-specific models. Machine learning (ML) models offer an alternative risk stratification that may offer improved predictive accuracy.
METHODS: PubMed, EMBASE, Web of Science and Cochrane databases were searched until 16 December 2023 for st
СтатьяСистематический обзорМетаанализПоиск 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: Machine Learning (ML) has been transformative in healthcare, enabling more precise diagnostics, personalised treatment regimens and enhanced patient care. In cardiology, ML plays a crucial role in risk prediction and patient stratification, particularly for heart failure (HF), a condition affecting over 64 million people globally and imposing an economic burden of approximately $108 billion annually. ML applications in HF include predictive analytics for risk assessment, identifying patient subgroups with varying prognoses and optimising treatment pathways. By accurately predicting
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.
RATIONALE AND OBJECTIVES: To develop and validate a machine learning model based on chest CT and clinical risk factors to predict secondary aspergillus infection in hospitalized COVID-19 patients.
MATERIALS AND METHODS: This retrospective study included 291 COVID-19 patients with complete clinical data between December 2022 and March 2024, and some (n=82) of them developed secondary aspergillus infection after admission. Patients were divided into training (n=162), internal validation (n=69) and external validation (n=60) cohorts. The least absolute shrinkage and selection operator regression
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.