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: 168 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 376 с найденным полным текстом
Endometriosis is a chronic inflammatory disorder in which endometrial tissue grows outside the uterus, leading to pelvic pain and infertility. It remains a major challenge in women's health due to delayed diagnosis and limited therapeutic outcomes. The disease is heterogeneous and manifests in three main phenotypes: superficial peritoneal lesions, ovarian endometriomas, and deep infiltrating endometriosis, the latter still poorly understood at the molecular level. In this study, Fourier-transform infrared (FTIR) spectroscopy combined with machine learning was applied to explore biochemical dif
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: Breastfeeding duration is influenced by a complex interplay of obstetric, physiological, and sociodemographic factors. Traditional linear statistical models often struggle to capture the high-dimensional, non-linear synergistic effects among these variables, while complex deep learning models are prone to overfitting on small clinical datasets.
METHODS: To address these challenges, this study proposes an interpretable machine learning framework based on eXtreme Gradient Boosting (XGBoost). We analyzed clinical follow-up data from 210 postpartum women. The framework incorporates Ex
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: Menopause, a natural biological transition in the life of women, is often associated with significant psychological disturbances such as depression, anxiety, and stress. However, early identification and management of psychological disorders in menopausal women remain under-addressed due to limited specialist access and a lack of systematic screening approaches.
PURPOSE: This study aimed to develop ensemble-based machine learning (ML) models to classify intervention-related clinical and psychological outcome patterns in menopausal women using clinical and questionnaire-based data
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.
Viscoelastic testing is an established standard in modern coagulation medicine, reducing transfusion needs. However, it does not provide direct information on platelet count. Here, we present a machine learning approach to predict platelet count and to detect low platelet count based on standard rotational thromboelastometry (ROTEM) parameters. We analyzed 2,333 anonymised datasets collected from multiple centres between 2014 and 2023. Six machine learning methods (Regression, Gradient Boosting Methods, extreme Gradient Boosting, Random Forests, Neural Networks, and Stacked Ensemble Learning)
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: The significance of noncontrast computer tomography (CT) image markers in predicting hematoma expansion (HE) following intracerebral hemorrhage (ICH) within different time intervals in the initial 24 hours after onset may be uncertain. Hence, our objective was to examine the predictive value of clinical factors and CT image markers for HE within the initial 24 hours using machine learning algorithms.
METHODS: Four machine learning algorithms, including extreme gradient boosting (XGBoost), support vector machine, random forest, and logistic regression, were employed to assess the pr
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: From a global perspective, China is one of the countries with higher incidence and mortality rates for cancer.
OBJECTIVE: Our objective is to create an online cancer risk prediction tool for middle-aged and elderly Chinese adults by leveraging machine learning algorithms and self-reported data.
METHOD: Drawing from a cohort of 19,798 participants aged 45 and above from the China Health and Retirement Longitudinal Study (2011 - 2018), we employed nine machine learning algorithms (LR: Logistic Regression, Adaboost: Adaptive Boosting, SVM: Support Vector Machine, RF: Random Forest,
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.
Pancreatic ductal adenocarcinoma (PDAC) is associated with a very poor prognosis. Therefore, there has been a focus on identifying new biomarkers for its early diagnosis and the prediction of patient survival. Genome-wide RNA and microRNA sequencing, bioinformatics and Machine Learning approaches to identify differentially expressed genes (DEGs), followed by validation in an additional cohort of PDAC patients has been undertaken. To identify DEGs, genome RNA sequencing and clinical data from pancreatic cancer patients were extracted from The Cancer Genome Atlas Database (TCGA). We used Kaplan-
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.
Sepsis is a life-threatening condition resulting from a dysregulated host response to infection, frequently leading to organ failure and high mortality in hospital settings. Early identification of sepsis is critical for reducing mortality; however, conventional diagnostic approaches often fail to capture complex clinical patterns at an early stage. Recent advances in machine learning (ML) and explainable artificial intelligence (XAI) have demonstrated potential for improving predictive accuracy while supporting clinical interpretability. Nevertheless, concerns related to data privacy and mode
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: As the Chinese population continues to age, the prevalence of gastric ulcers, a common nutrition and diet-related disorder, is rising among the elderly. Gastric ulcers pose a significant public health challenge in China, yet there is limited research to predict gastric ulcers accurately.
OBJECTIVE: Our study aims to employ machine learning algorithms to predict the occurrence of gastric ulcers and develop an online tool to assess the risk of gastric ulcers for elderly individuals, both currently and in the future, while identifying important predictors.
METHOD: We used baseline d
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: Although many risk prediction models have been developed, very few undergo external validation, primarily due to issues with data access. Therefore, we implemented a reciprocal model-exchange approach to facilitate external validation and demonstrate its use with gestational diabetes mellitus (GDM) prediction models.
OBJECTIVE: To assess the robustness and generalisability of two independently developed GDM risk prediction models using a reciprocal model-exchange framework.
METHODS: Two independently developed GDM risk prediction models were externally validated using a reciproca
СтатьяВалидационное 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.
OBJECTIVE: This study contributes to the limited literature on applying machine learning (ML) to telemonitoring data for timely decision support systems (DSS). We propose an end-to-end DSS framework to enable clinicians to intervene proactively by generating actionable information from daily telemonitoring data. The goal was to predict the probability of patients having an adverse event in the next 7 days using real-world data. We focus on the framework for effective development of a human-computer hybrid system that utilizes ML models to predict adverse hypertensive events and evaluate differ
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.
OBJECTIVES: Factors associated with depression were explored in this study through logistic regression, and predictive performance was compared with various Machine Learning models.
METHODS: WHO SAGE India wave 2 data were used with depression as the outcome variable. and predictors were sociodemographic, health, and psychosocial variables. Descriptive analysis and Logistic regression were estimated. Random Forest, XGBoost, Support Vector Machine, Logistic Regression, Bagging, Decision Tree, Naïve Bayes, Ridge Logistic Regression, Neural Networks, and K Nearest Neighbors are the ten Machine L
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.
BACKGROUND: Laparoscopic cholecystectomy (LC) is a widely performed procedure with potential postoperative and perioperative complications. Recent advances in machine learning (ML) can lead to early prediction of these complications, but no systematic review has synthesized this data. This review aims to assess ML algorithms’ accuracy in predicting these complications following LC. METHODS: A systematic review was conducted by PRISMA guidelines. A comprehensive search was performed on PubMed, Embase, Scopus, and Web of Science databases for studies published between 2010 and 2024. Studies that
СтатьяСистематический обзорПоиск 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 presents a novel approach to predicting mortality risk in patients with severe fever with thrombocytopenia syndrome (SFTS) by integrating machine learning models and genetic analysis techniques. Utilizing clinical data from 107 confirmed cases, we developed several predictive models and identified the extreme gradient boosting (XGBoost) algorithm as the most effective, achieving an area under the curve (AUC) of 0.950. Further analysis was performed based on the 15 robust features selected and performance-optimized through the Boruta algorithm, integrating Shapley additive explanatio
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.
Forensic DNA phenotyping (FDP) enables the prediction of externally visible characteristics from genetic data, providing valuable investigative leads. While current approaches achieve high accuracy for blue and brown eye color, the prediction of intermediate phenotypes such as green and hazel remains challenging, particularly in Southern European and Mediterranean populations. In this study, we developed GenoEye, an interpretable machine learning framework for three-category eye color prediction based on an expanded SNP panel, from which a final 37-SNP predictive signature was derived. The 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.
Per- and polyfluoroalkyl substances (PFAS) are persistent groundwater contaminants that pose long-term risks to water sources and public health. Predicting PFAS occurrence remains challenging due to high-dimensional environmental data and limited model interpretability. In this study, we benchmarked explainable machine learning models to predict PFAS occurrence in groundwater and to identify the features strongly associated with estimated PFAS occurrence. A comprehensive dataset of 12,406 groundwater characterization records collected between 2001 and 2019 was compiled with 172 explanatory fea
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.
To systematically review Machine Learning (ML) fracture risk prediction models developed solely using administrative data, evaluating their development, performance, risk of bias, and concerns regarding applicability. A systematic search was conducted in PubMed, Embase, IEEE, and Web of Science following PRISMA guidelines (up to November 2025). We included studies developing or validating ML models for osteoporotic fracture risk in adults using administrative data without clinical measurements. Risk of bias and concerns for applicability were assessed using the PROBAST tool. Seven studies were
СтатьяСистематический обзорПолный 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.
Osteochondritis dissecans (OCD) is a common developmental orthopedic condition in Thoroughbred racehorses and although arthroscopic surgery is widely used for treatment, its long-term effects on race performance remain unclear. This retrospective study evaluated the effect of OCD surgery on race performance, compared the predictive power of pedigree and management variables and applied interpretable machine learning methods for forecasting race performance outcomes. Data were collected from 75 Thoroughbreds that underwent OCD surgery between 2015 and 2017 and 257 maternal siblings without reco
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: Traditional risk factors like smoking and air pollution remain insufficient to explain the persistent geographical variation in respiratory failure mortality across the United States, with significantly higher mortality observed in specific regions such as the Mississippi River Basin.
METHODS: We conducted a state-level ecological study using Centers for Disease Control and Prevention Wide-ranging Online Data for Epidemiologic Research (CDC WONDER) mortality data and 68 socio-environmental risk factors from Global Burden of Disease (GBD). Predictive modeling leveraged 12 machine l
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 aim of this study was to establish a critical point model for the transudation of eosinophils through the pleura using machine learning techniques. This model treats the presence or absence of eosinophils in pleural effusion as a binary variable and incorporated relevant detection indicators to enhance the understanding of the formation mechanism of eosinophilic pleural effusion.
METHODS: We utilized nearly 50 indicators from 7 major detection items and compared various machine learning models, including XGBoost, Logistic Regression, LightGBM, Random Forest, AdaBoost, Decision
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.