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: 305 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1553 с найденным полным текстом
Frontiers in bioengineering and biotechnology2024eng
INTRODUCTION: Temporomandibular disorders (TMD) have a high prevalence and complex etiology. The purpose of this study was to apply a machine learning (ML) approach to identify risk factors for the occurrence of TMD in adults and to develop and validate an interpretable predictive model for the risk of TMD in adults.
METHODS: A total of 949 adults who underwent oral examinations were enrolled in our study. 5 different ML algorithms were used for model development and comparison, and feature selection was performed by feature importance ranking and feature decreasing methods. Several evaluatio
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.
Diagnosis of cardiovascular diseases is an urgent task because they are the main cause of death for 32% of the world's population. Particularly relevant are automated diagnostics using machine learning methods in the digitalization of healthcare and introduction of personalized medicine in healthcare institutions, including at the individual level when designing smart houses. Therefore, this study aims to analyze short 10-s electrocardiogram measurements taken from 12 leads. In addition, the task is to classify patients with suspected myocardial infarction using machine learning methods. We ha
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.
European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society2019eng
PURPOSE: An excessive amount of total hospitalization is caused by delays due to patients waiting to be placed in a rehabilitation facility or skilled nursing facility (RF/SNF). An accurate preoperative prediction of who would need a RF/SNF place after surgery could reduce costs and allow more efficient organizational planning. We aimed to develop a machine learning algorithm that predicts non-home discharge after elective surgery for lumbar spinal stenosis.
METHODS: We used the American College of Surgeons National Surgical Quality Improvement Program to select patient that underwent electiv
СтатьяПоддержка исследования: вне правительства СШАVideo-Audio MediaПолный 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.
In recent years, the incidence of refractory Mycoplasma pneumoniae pneumonia (RMPP) has significantly risen, posing severe pulmonary and extrapulmonary complications, making early identification a challenge for clinicians. In this retrospective single-center study, we included patients diagnosed with Mycoplasma pneumoniae pneumonia in 2021, categorizing them into RMPP and non-RMPP groups. Univariate regression analysis initially identified variables associated with RMPP. Seven mainstream machine learning methods were then employed to construct predictive models, evaluated for reliability and r
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.
Accurate prediction of postoperative complications is critical in surgical care. Recently, deep learning has gained attention and has been applied to various predictive models and image recognition tasks, and researchers are attempting to apply this technology in medicine. This review compares logistic regression, machine learning, and deep learning models used in gastroenterological surgery. There are some studies reporting predictive models with large databases. Among these studies, some studies showed that deep learning outperformed other models, but others reported random forests or gradie
СтатьяОбзорПоиск 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: To develop a machine learning algorithm, using patient-reported data from early pregnancy, to predict later onset of first time moderate-to-severe depression.
METHODS: A sample of 944 U.S. patient participants from a larger longitudinal observational cohortused a prenatal support mobile app from September 2019 to April 2022. Participants self-reported clinical and social risk factors during first trimester initiation of app use and completed voluntary depression screenings in each trimester. Several machine learning algorithms were applied to self-reported data, including a novel alg
СтатьяНаблюдательное исследованиеПоддержка 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.
OBJECTIVES: This study aimed to explore the relationship between physical fitness and the academic performance of primary school students and to predict the academic performance associated with physical fitness using machine learning methods. The results provide new evidence confirming the relationship between physical fitness and the academic performance of primary school students. This study provides a practical foundation for early intervention methods to improve the physical fitness and academic performance of primary school students via physical exercise.
METHODS: A total of 432 fifth-gr
СтатьяОбзорПоиск 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.
Cataracts are the problems associated with the crystallins proteins of the eye lens. Any perturbation in the conformity of these proteins results in a cataract. Age-related cataract is the most common type among all cataracts as it accounts for almost 80% of cases of senile blindness worldwide. This research study was performed to predict the role of single nucleotide polymorphisms (SNPs) of the GJA8 gene with age-related cataracts in 718 subjects (400 age-related cataract patients and 318 healthy individuals). A comparison of supervised machine learning classification algorithm including logi
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.
AIMS: To compare the performance of logistic regression and machine learning methods in predicting postoperative delirium (POD) in elderly patients.
METHOD: This was a retrospective study of perioperative medical data from patients undergoing non-cardiac and non-neurology surgery over 65 years old from January 2014 to August 2019. Forty-six perioperative variables were used to predict POD. A traditional logistic regression and five machine learning models (Random Forest, GBM, AdaBoost, XGBoost, and a stacking ensemble model) were compared by the area under the receiver operating characteristi
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.
OBJECTIVE: Rheumatic heart disease (RHD) is a major health problem in the world, particularly in developing countries. This study aimed to predict mitral regurgitation (MR) and mitral stenosis (MS) RHD among children with RHD.
METHODOLOGY: Data was collected from the Pediatric Cardiology Department at Chaudhry Pervaiz Elahi Institute of Cardiology Multan, Pakistan from March to October 2019. A sample of 561 children aged 4-14 years, who were diagnosed with RHD of either MR or MS, were recruited from the hospital's outpatient department. The presence of multivariate outliers was detected, and
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: Patient-reported outcome measurements (PROMs) are commonly used in clinical practice to support clinical decision making. However, few studies have investigated machine learning methods for predicting PROMs outcomes and thereby support clinical decision making.
OBJECTIVE: This study investigates to what extent different machine learning methods, applied to two different PROMs datasets, can predict outcomes among patients with non-specific neck and/or low back pain.
METHODS: Using two datasets consisting of PROMs from (1) care-seeking low back pain patients in primary care who par
СтатьяРандомизированное 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.
Diagnostic markers for non-alcoholic fatty liver disease (NAFLD) are still needed for screening individuals at risk. In recent years, the machine learning method was used to search for the diagnostic markers of multiple diseases. In this study, we developed and validated a machine learning model to diagnose NAFLD using laboratory indicators. NAFLD patients and non-NAFLD controls were recruited in the training and validation cohorts. The laboratory indicators of the participants in the training cohort were collected, and six indicators including alanine aminotransferase/aspartate aminotransfera
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.
(1) Medical research has shown an increasing interest in machine learning, permitting massive multivariate data analysis. Thus, we developed drug intoxication mortality prediction models, and compared machine learning models and traditional logistic regression. (2) Categorized as drug intoxication, 8,937 samples were extracted from the Korea Centers for Disease Control and Prevention (2008-2017). We trained, validated, and tested each model through data and compared their performance using three measures: Brier score, calibration slope, and calibration-in-the-large. (3) A chi-square test demon
Сравнительное 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.
Soil heavy metal contamination, particularly cadmium (Cd), poses a significant risk to ecosystems and human health. This study investigates the distribution and bioavailability of Cd in soil and Paeoniae Radix Alba system from Qiaocheng District, Bozhou City, China. To measure and predict Cd concentrations, we employed traditional laboratory methods and machine learning models, such as the Backpropagation Neural Network (BPNN) and Convolutional Neural Network combined with Long Short-Term Memory units (CNN-LSTM). The results revealed that although Cd concentrations in the soil of the Bozhou ar
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: Radiomics has shown promising results in the diagnosis, efficacy, and prognostic assessments of multiple myeloma (MM). However, little evidence exists on the utility of radiomics in predicting a high-risk cytogenetic (HRC) status in MM.
PURPOSE: To develop and test a magnetic resonance imaging (MRI)-based radiomics model for predicting an HRC status in MM patients.
STUDY TYPE: Retrospective.
POPULATION: Eighty-nine MM patients (HRC [n: 37] and non-HRC [n: 52]).
FIELD STRENGTH/SEQUENCE: A 3.0 T; fast spin-echo (FSE): T1-weighted image (T1WI) and fat-suppression T2WI (FS-T2WI).
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.
By September 2022, more than 600 million cases of SARS-CoV-2 infection have been reported globally, resulting in over 6.5 million deaths. COVID-19 mortality risk estimators are often, however, developed with small unrepresentative samples and with methodological limitations. It is highly important to develop predictive tools for pulmonary embolism (PE) in COVID-19 patients as one of the most severe preventable complications of COVID-19. Early recognition can help provide life-saving targeted anti-coagulation therapy right at admission. Using a dataset of more than 800,000 COVID-19 patients fro
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: Machine learning methods have gained much attention in health sciences for predicting various health outcomes but are scarcely used in pharmacoepidemiology. The ability to identify predictors of suboptimal medication use is essential for conducting interventions aimed at improving medication outcomes. It remains uncertain whether machine learning methods could enhance the identification of potentially inappropriate medication use among older adults compared with traditional methods. This study aimed to (1) to compare the performances of machine learning models in predicting use of
СтатьяСравнительное исследованиеПоддержка 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 AND AIMS: An unanticipated difficult airway is one of the greatest challenges for anesthesiologists. Proper preoperative airway assessment is crucial to reducing complications. However, current screening tests based on anthropometric features are of uncertain benefit. Therefore, our study explores using voice analysis with machine learning algorithms to predict a difficult airway.
METHODS: Observational, multicenter study with N = 438 patients initially enrolled at Centro Medico Teknon and Institut Universitari Dexeus (2019-2022) for the research study. After excluding 125 patients
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.
Ventilatory pump failure is a common cause of death for patients with neuromuscular diseases. The vital capacity plateau value (VCPLAT) is an important indicator to judge the status of ventilatory pump failure for patients with congenital myopathy, Duchenne muscular dystrophy and spinal muscular atrophy. Due to the complex relationship between VCPLAT and the patient's own condition, it is difficult to predict the VCPLAT for pediatric disease from a medical perspective. We established a VCPLAT prediction model based on data mining and machine learning. We first performed the correlation analysi
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.
OBJECTIVE: The aim of the study was to develop a model using machine learning algorithms for diagnosing complete and incomplete injury from heart rate variation (HRV) parameters and other easily obtained demographics.
DESIGN: Random Forest, Decision Tree, KNN Classifier, Gradient Boost, Bagging Classifier, Support Vector Machine, Voting Classifier, XGB Classifier, MLP Classifier and feedforward neural networks were trained on 296 sets of patient data including 11 HRV parameters. Feature selection methods were used to improve models and identify parameters with high contribution to model predi
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.