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
1316 публикаций
Поиск: 87 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 54 с найденным полным текстом
European journal of pharmaceutical sciences : official journal of the European Federation for Pharmaceutical Sciences2026eng
Traumatic brain injury (TBI) induces secondary neuroinflammation driven by oxidative stress, inflammasome activation, and immune remodeling, yet specific mechanism-guided pharmacological interventions remain limited. This study established an artificial intelligence (AI)-integrated network pharmacology and multi-omics framework to evaluate whether hydroxytyrosol (HT), an olive-derived natural polyphenol, may regulate TBI-related neuroinflammatory targets centered on the TXNIP/NLRP3 inflammasome axis. Starting from the SMILES structure of HT, potential targets were predicted using PharmMapper,
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.
STUDY DESIGN: Retrospective Cohort Study.
OBJECTIVES: To develop and externally validate an explainable machine-learning framework for perioperative risk stratification of radiographic adjacent segment degeneration (ASDeg) after short-segment lumbar fusion.
SUMMARY OF BACKGROUND DATA: Radiographic ASDeg is frequently observed after lumbar fusion and may represent an early structural phenotype preceding symptomatic adjacent segment disease (ASDis) in some patients. However, existing risk assessment approaches are limited by heterogeneous risk factors, insufficient model interpretability, and
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: Variations in medical images specific to individual scanners restrict the use of radiomics in both clinical practice and research. To create reproducible and generalizable radiomics-based models for outcome prediction and assessment, data harmonization is essential.
PURPOSE: This study aims to investigate the impact of harmonization in performance of machine learning-based radiomics model toward the prediction of radiotherapy-induced toxicity (early and late sticky saliva and xerostomia) in head and neck cancer (HNC) patients after radiation therapy using T 1 $T_1$ and T 2 $T_2
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: Chronic pain around the temporomandibular joint (TMJ) and masticatory muscles is a primary symptom of temporomandibular disorders (TMD). However, the clinical significance of magnetic resonance imaging (MRI) features in predicting TMD-related pain remains unclear. This study aimed to develop and interpret machine learning (ML) models based on MRI characteristics for predicting pain severity in patients with TMD.
METHODS: The present retrospective study included 584 patients with TMD between January 2022 and December 2024, yielding a total of 755 TMJ MRI data sets. Pain severity wa
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.
CONTEXT: The injuries caused by falls-from-height (FFH) are a significant public health concern. FFH is one of the most common causes of polytrauma. The injuries persist to be significant adverse events and a challenge regarding injury severity assessment to identify patients at high risk upon admission. Understanding the incidence and the factors that predict injury severity can help in developing effective intervention strategies. Artificial intelligence (AI) predictive models are emerging to assist in clinical assessment with challenges.
OBJECTIVES: This retrospective study investigated th
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.
Backgrounds/Objectives: Atrial fibrillation (AF) confers a fivefold greater risk of acute ischaemic stroke (AIS) relative to normal sinus rhythm. Among patients with AF-related AIS (AFAIS), recurrence is common: AFAIS rate is sixfold higher in secondary versus primary prevention patients. Guidelines recommend oral anticoagulation for primary and secondary prevention on the basis of CHA2DS2-VASc. However, guideline adherence is poor for secondary prevention. This is, in part, because the predictive value of CHA2DS2-VASc has not been ascertained with respect to recurrence: patients with and with
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: Rebleeding after initial endoscopic therapy is associated with high mortality in patients with hepatitis B virus (HBV)-related liver cirrhosis complicated by esophagogastric variceal bleeding (EGVB), imposing a substantial public health burden. Spontaneous portosystemic shunts (SPSS), a compensatory mechanism for portal hypertension, are closely associated with disease progression. This study aimed to develop and validate machine learning (ML) models incorporating clinical and imaging features to predict the risk and frequency of rebleeding following initial endoscopic treatment.
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: Vancomycin pharmacokinetics are highly variable in patients with critical illnesses, and clinicians commonly use population pharmacokinetic (PPK) models based on a Bayesian approach to dose. However, these models are population-dependent, may only sometimes meet the needs of individual patients, and are only used by experienced clinicians as a reference for making treatment decisions. To assist real-world clinicians, we developed a deep learning-based decision-making system that predicts vancomycin therapeutic drug monitoring (TDM) levels in patients in intensive care unit.
OBJECT
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: Neonatal respiratory distress syndrome (NRDS) is a prevalent cause of respiratory failure and death among newborns, and prompt diagnosis is imperative. Historically, diagnosis of NRDS relied mostly on typical clinical manifestations, chest X-rays, and CT scans. However, recently, ultrasound has emerged as a valuable and preferred tool for aiding NRDS diagnosis. Nevertheless, evaluating lung ultrasound imagery necessitates rigorous training and may be subject to operator-dependent bias, limiting its widespread use. As a result, it is essential to investigate a new, reliable, and ope
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 prediction of successful sphincter-preserving resection (SSPR) for low rectal cancer enables peer institutions to scrutinize their own performance and potentially avoid unnecessary permanent colostomy. The aim of this study is to evaluate the variation in SSPR and present the first artificial intelligence (AI) models to predict SSPR in low rectal cancer patients.
STUDY DESIGN: This was a retrospective post hoc analysis of a multicenter, non-inferiority randomized clinical trial (LASRE, NCT01899547) conducted in 22 tertiary hospitals across China. A total of 604 patients w
СтатьяМногоцентровое исследованиеРандомизированное исследованиеEquivalence TrialПолный 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: In 2021, the WHO central nervous system (CNS) tumor classification criteria added the diagnosis of diffuse astrocytic glioma, IDH wild-type, with molecular features of glioblastoma, WHO grade 4 (DAG-G). DAG-G may exhibit the aggressiveness and malignancy of glioblastoma (GBM) despite the lower histological grade, and thus a precise preoperative diagnosis can help neurosurgeons develop more refined individualized treatment plans. This study aimed to establish a predictive model for the non-invasive identification of DAG-G based on preoperative MRI radiomics.
PATIENTS AND METHODS: Pati
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: Detecting brain tumors in their early stages is crucial. Brain tumors are classified by biopsy, which can only be performed through definitive brain surgery. Computational intelligence-oriented techniques can help physicians identify and classify brain tumors. Herein, we proposed two deep learning methods and several machine learning approaches for diagnosing three types of tumor, i.e., glioma, meningioma, and pituitary gland tumors, as well as healthy brains without tumors, using magnetic resonance brain images to enable physicians to detect with high accuracy tumors in early stag
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: With the global increase of cesarean delivery rates, the long-term effects of cesarean delivery have started to become clearer. One of the most prominent complications of cesarean delivery in recurrent pregnancies is uterine rupture. Assessing the risk of uterine rupture by accurately predicting dehiscence is very important to prevent untimely operations and/or maternal and fetal complications.
OBJECTIVE: This study aimed to assess whether machine learning can be used to predict uterine dehiscence by using patients' ultrasonographic findings, clinical findings, and demographic dat
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: Measles is a major cause of death among infants despite free routine immunization (RI) in low- and middle-income countries (LMICs). Vaccination defaulting contributes to measles outbreak occurrences. Conventional immunization defaulter identification methods are expensive to implement, prone to data falsification, reactive, and overestimate uptake. Several machine learning studies leveraged the use of child and maternal characteristics as predictors of immunization defaulting, overlooking community, demographic, and socioeconomic factors. Similarly, there is limited research regard
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: Migraine chronification remains difficult to characterize at the individual level, and robust baseline imaging markers associated with subsequent conversion from episodic migraine (EM) to chronic migraine (CM) are lacking. Resting-state functional MRI (rs-fMRI) dynamic functional connectivity (dFC) captures transient brain network interactions, but conventional approaches provide limited interpretability for clinical translation.
METHODS: We enrolled 195 participants at baseline, including 95 healthy controls (HC) and 100 patients with episodic migraine at baseline. All migraine p
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: This study aimed to develop and validate an interpretable machine-learning classification model for identifying MCI at the time of assessment among older adults with chronic conditions. We also evaluated model performance and the stability of TreeSHAP-based feature explanations across survey waves.
METHODS: Data were obtained from the CHARLS. A total of 8222 participants from the 2018 wave were stratified by MCI status and randomly divided into a development set (n = 5754) and an internal validation set (n = 2468). Data from the 2020 wave (n = 5558) were used for temporal validatio
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: Skin neglected tropical diseases (NTDs) are the most prevalent diseases worldwide, affecting people living in resource-limited areas with low health care services and trained professionals. While machine learning (ML)-based diagnostic tools can be used for initial clinical assessment and patient screening, especially in resource-limited areas (including in Ethiopia), little effort has been made in this area.
OBJECTIVE: This pilot study develops a foundational ML model for the diagnosis of skin NTDs using patient metadata to analyze the feasibility of ML-based models for skin NTDs
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) applied to metal-ligand asymmetric catalysis remains less explored compared to other applications, such as drug design or materials science. Current strategies frequently focus on augmenting pre-existing descriptors (e.g. those originally formulated for medicinal chemistry), the development of new bespoke steric and electronic descriptors, and the use of molecular fingerprints. Such method diversity, in the absence of user guidelines, makes selecting optimal ML tools to model new asymmetric catalysis problems challenging. This is exacerbated in early asymmetric catalysis
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: Venous thromboembolism (VTE) is a common and severe complication in intensive care unit (ICU) patients with sepsis. Conventional risk stratification tools lack sepsis-specific features and may inadequately capture complex, nonlinear interactions among clinical variables.
OBJECTIVE: This study aimed to develop and validate an interpretable machine learning (ML) model for the early prediction of VTE in ICU patients with sepsis.
METHODS: This multicenter retrospective study used data from the Medical Information Mart for Intensive Care IV database for model development and internal
СтатьяМногоцентровое исследованиеПоддержка 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: De novo metastatic gastroesophageal junction adenocarcinoma (GEJA) is associated with heterogeneous short-term outcomes. A six-month cancer-specific mortality (CSM) horizon is clinically relevant because it reflects early disease lethality, limited physiological reserve, and the period in which first-line treatment tolerance and timely palliative discussions are often determined. Existing prediction tools have largely addressed long-term survival, postoperative disease, or metastatic gastric cancer as a broad entity. This study developed and temporally validated an interpretable pr
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.