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
1325 публикаций
Поиск: 67 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 54 с найденным полным текстом
BACKGROUND: Postoperative length of stay is a key indicator in the management of medical resources and an indirect predictor of the incidence of surgical complications and the degree of recovery of the patient after cancer surgery. Recently, machine learning has been used to predict complex medical outcomes, such as prolonged length of hospital stay, using extensive medical information.
OBJECTIVE: The objective of this study was to develop a prediction model for prolonged length of stay after cancer surgery using a machine learning approach.
METHODS: In our retrospective study, electronic he
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: Sepsis patients with type 2 diabetes mellitus (T2DM) face a substantially elevated risk of venous thromboembolism (VTE), yet prediction tools tailored for this population are lacking. This study aimed to develop and validate interpretable machine learning models for predicting in-hospital VTE in septic patients with T2DM.
METHODS: A total of 648 sepsis patients with T2DM admitted to Shaanxi Provincial People's Hospital between January 2020 and October 2024 were included in this retrospective cohort study, an internal validation cohort of 303 patients was retrospectively collected
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 AND PURPOSE: BRCA mutations are strongly associated with hereditary breast cancer and have important implications for personalized treatment; however, genetic testing may be costly. This highlights the need for noninvasive, practical approaches to prioritize patients most likely to benefit from confirmatory testing. This study evaluated the predictive value of clinicopathologic features, radiologist-assessed magnetic resonance imaging (MRI) semantic features, MRI-derived radiomics features, and their multimodal integration for identifying germline BRCA mutation status.
PATIENTS AND
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.
INTRODUCTION: In recent years, high-dimensional clinical and genomic data have gained significant importance for prognosis and personalized medicine in breast cancer. But the use of quantum machine learning (QML) on such data is limited by the availability of few qubits, the computation time of quantum simulation, and dimensionality reduction. This work systematically compares several QML architectures for breast cancer classification in the presence of realistic and simulator constraints.
METHODS: The experiments were performed on a dataset of METABRIC breast cancer patients (2,509 patients)
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: Complete mesocolic excision (CME) is a technically complex and highly invasive surgical approach, and patients undergoing CME are consequently at elevated risk of postoperative acute kidney injury (AKI). Despite this vulnerability, reliable tools for individualized AKI risk prediction in this population remain unavailable. Moreover, the contributions of perioperative inflammatory responses and blood transfusion to AKI pathogenesis have not been comprehensively examined. Here, we sought to develop and validate a multicenter, machine learning-based model to predict AKI following CME
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/Objectives: Non-small cell lung cancer (NSCLC) is the most common type of lung cancer, representing nearly 85% of cases worldwide. Predicting patient response before treatment, however, remains a major clinical challenge. Radiomics enables non-invasive extraction of quantitative imaging data that reflects tumor characteristics and heterogeneity. In this study, we developed and externally validated a CT-derived radiomic signature for predicting outcomes in advanced NSCLC patients treated with first-line platinum-based chemotherapy. Methods: NSCLC across three tertiary care centers we
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: Dynamic inspiratory muscle strength, assessed using the S-Index, reflects pressure generation during flow-dependent inspiration and may provide functional information beyond static respiratory muscle strength measures. However, its routine clinical use is limited by the need for specialized equipment. This study aimed to develop and internally validate prediction models for estimating S-Index from accessible pulmonary function, body composition, and fixed-pressure inspiratory performance measures in male patients with chronic obstructive pulmonary disease (COPD) or asthma.
METHODS
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: Current liver cancer screening in Korea focuses on viral hepatitis or cirrhosis, despite rising risks from metabolic and alcohol-related liver disease. We aimed to develop a deep learning model that leverages routinely collected national screening and claims data to predict liver cancer risk without requiring additional diagnostic tests.
METHODS: We conducted a retrospective cohort study of 3,962,209 adults aged 50-69 years who participated in the Korean National Health Screening program between 2010 and 2015, with follow-up until December 31, 2021. A total of 12,401 liver cancer
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: Lymphovascular space invasion (LVSI) is an important pathological feature associated with tumor aggressiveness and adverse prognosis in cervical cancer. However, reliable preoperative prediction of LVSI remains a challenge. This study aimed to develop and validate an MRI-based radiomics model incorporating intratumoral and peritumoral features for LVSI prediction and systematically evaluate the optimal peritumoral extent.
MATERIALS AND METHODS: In this single-center study comprising both retrospective and prospective cohorts, 204 patients with pathologically confirmed cervical can
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: The infant mortality rate is widely used in comparative health research, but less is known about how panel regression and machine-learning models perform in small macro-level health datasets when they are evaluated using comparable information and the same out-of-period test period.
METHODS: Using a balanced panel of 25 European Union countries observed annually from 2000 to 2022 (575 country-year observations, no missing data) assembled from OECD and World Bank sources, we separated an explanatory analysis from a predictive analysis. The explanatory layer used a two-way fixed e
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: Body mass index (BMI) remains the most widely used tool for obesity screening in clinical and public health settings due to its simplicity and accessibility. However, as BMI does not directly quantify adiposity, it may fail to detect excess body fat and obscure clinically relevant metabolic phenotypes. This limitation has not been adequately characterized in large Latin American cohorts. We quantified diagnostic discordance between BMI- and bioelectrical impedance analysis (BIA)-based obesity classification in Chilean and Mexican adults using age- and sex-specific body fat percenta
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: Ruptured abdominal aortic aneurysm (rAAA) remains associated with substantial in-hospital mortality. Although machine-learning methods can model complex nonlinear relationships between admission characteristics and outcome, their incremental value over conventional regression remains uncertain. We compared 3 prediction models using identical admission variables and a uniform validation framework.
METHODS: This retrospective single-center cohort included 196 unique patients with rAAA managed between 2006 and 2024. Five prespecified admission predictors were evaluated: age, hypovola
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: Early detection and treatment of sarcopenia are crucial for improving patient outcomes, yet current diagnostic methods often lack the accuracy, accessibility, and efficiency needed for widespread clinical use. The aim of this study was to develop an accurate, secure, and evidence-based multimodal AI model using a point-of-care ultrasound (POCUS) framework combining muscle imaging properties with physical performance for sarcopenia diagnosis. METHODS: The model uses clinical data and POCUS images. Clinical data consisted of age, gender, height, weight, body mass index (BMI) and data
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.
Insulin resistance is closely associated with mild cognitive impairment (MCI) and sarcopenia. The predictive utility of the metabolic score for insulin resistance (METS-IR) for MCI across different sarcopenia strata and its potential as a substitute for life's essential 8 (LE-8) remains unclear. This prospective cohort study used data from the China Health and Retirement Longitudinal Study. Participants aged ≥45 years without baseline MCI or memory-related disease and with biomarker and cognitive data were included. METS-IR was calculated from fasting blood glucose, triglycerides, high-density
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 study aimed to evaluate the predictive model based on multi-dual-energy computed tomography (DECT) imaging parameters and model integrating DECT parameters with intra- and peritumoral- radiomics and deep learning model using a 2.5D Vision Transformer (ViT) for the preoperative prediction of pathological grading in non-muscle-invasive bladder cancer (NMIBC).
MATERIALS AND METHODS: This retrospective study included 193 patients with NMIBC (130 with high-grade and 63 with low-grade by pathological biopsy), who were randomly divided into training and test cohorts in an 8:2 ratio.
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.
OBJECTIVE: Assessing the severity of coronary heart disease (CHD) is critical for clinical decision-making. Thyroid autoantibodies are associated with cardiovascular disease, but their ability to predict CHD severity remains unclear. This study aimed to systematically elucidate the predictive value of thyroid autoantibodies for CHD severity using machine learning methods.
METHODS: This retrospective study included 942 patients hospitalized in the cardiovascular department between January 2024 and June 2025, comprising 590 patients with severe lesions and 352 with nonsevere lesions. 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.
BACKGROUND: High-grade serous ovarian cancer (HGSOC) is characterized by high incidence and mortality rates, yet effective detection methods remain limited. In the present study, deep learning models capable of identifying HGSOC while concurrently providing segmentation results of tumor regions and intratumoral solid components were developed and validated. METHODS: This retrospective single-center diagnostic study included 395 patients (and their combined 1745 ultrasound images) with pathologically confirmed primary malignant ovarian tumors who underwent preoperative ultrasound examination be
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.
OBJECTIVE: This study aimed to determine the regional prevalence of Trichomonas vaginalis infection in Turkey and to evaluate the distribution of urogenital findings including T. vaginalis, bacterial vaginosis, Candida albicans, Candida glabrata, acute cystitis, coccobacilli, calcium oxalate crystals, lactobacilli, and hematuria among women presenting with urogenital complaints in and around Ordu province. In addition, sociodemographic and socioeconomic factors associated with these conditions were explored, and their predictive contribution was assessed using a machine learning–based multilay
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: Gastric-type endocervical adenocarcinoma (GAS) is an aggressive, non-HPV-associated cervical adenocarcinoma that is often difficult to recognize preoperatively. This study aimed to characterize the integrated PET/CT phenotype of GAS and evaluate whether morphological, metabolic, serological, and explainable machine-learning features could support its differentiation from squamous cell carcinoma (SCC) and usual-type endocervical adenocarcinoma (UEA).
MATERIALS AND METHODS: This retrospective study included 144 patients with histologically confirmed cervical cancer who underwent pretre
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.
INTRODUCTION/OBJECTIVES: Interobserver variability in breast density and Background Parenchymal Enhancement (BPE) assessment remains a major limitation in Contrast- Enhanced Mammography (CEM) reporting consistency. Building on the BPE-CEM Standard Scale (BCSS) framework introduced in Part 1, this study aimed to evaluate whether a structured artificial intelligence-assisted decision-support model based on expert-derived variables could improve consistency in BCSS-related interpretation, particularly in disagreement-prone dense breast categories, rather than function as an autonomous image-based
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.