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
34964 публикаций
Поиск: 297 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2553 с найденным полным текстом
BACKGROUND: Accidental hypothermia is a critical condition with high risks of fatal arrhythmia, multiple organ failure, and mortality; however, there is no established model to predict the mortality. The present study aimed to develop and validate machine learning-based models for predicting in-hospital mortality using easily available data at hospital admission among the patients with accidental hypothermia.
METHOD: This study was secondary analysis of multi-center retrospective cohort study (J-point registry) including patients with accidental hypothermia. Adult patients with body temperatu
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: Approximately 7,000 newborns die every day, accounting for almost half of child deaths under 5 years of age. Deciphering which neonates are at increased risk for mortality can have an important global impact. As such, integrating high computational technology (e.g., artificial intelligence [AI]) may help identify the early and potentially modifiable predictors of neonatal mortality. Therefore, the objective of this study was to collate, critically appraise, and analyze neonatal prediction studies that included AI.
METHODS: A literature search was performed in PubMed, Cochrane, O
Поддержка NIH: внешняя программаСистематический обзорСтатьяПолный 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: This study aims to develop and validate a machine learning-based in-hospital mortality predictive model for acute aortic syndrome (AAS) in the emergency department (ED) and to derive a simplified version suitable for rapid clinical application.
METHODS: In this multi-center retrospective cohort study, AAS patient data from three hospitals were analyzed. The modeling cohort included data from the First Affiliated Hospital of Zhengzhou University and the People's Hospital of Xinjiang Uygur Autonomous Region, with Peking University Third Hospital data serving as the external test set
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: This study aimed to develop machine learning prediction models to identify high-risk populations with Vertebrobasilar Artery Occlusion (VBAO) who are likely to experience poor prognosis after Endovascular Thrombectomy (EVT), thereby informing clinical decision-making.
METHODS: A retrospective cohort of 204 patients with acute VBAO undergoing EVT at the Department of Neurology, Affiliated Hospital of Xuzhou Medical University (January 2020- October 2024) was analyzed. Multimodal data, including medical history, clinical symptoms, laboratory parameters, hemodynamic indices, and 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.
BACKGROUND: Many machine learning (ML) algorithms have been used to develop surgical site infection (SSI) prediction models, but little is known about their predicting performance. We conducted a network meta-analysis to compare the performance of different ML algorithms and to explore which one may perform best.
METHODS: MEDLINE, EMBASE, CINAHL, Web of Science, and Cochrane Library were systematically searched from inception to November 25, 2023. We included diagnostic accuracy trials constructing SSI predictive model by ML. Two reviewers selected relevant studies and extracted data. The cer
СтатьяСистематический обзорNetwork Meta-AnalysisПолный 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: Prognostic models for cardiovascular death, but not all-cause death, after transcatheter aortic valve implantation (TAVI) have not been established yet.
METHODS AND RESULTS: In 252 patients with aortic stenosis (AS) who underwent TAVI (men/women 83/169; mean age 85 years), we explored predictive models by machine learning for cardiovascular death using 62 candidates. During the follow-up period (mean 1,135 days), 13 (5.2%) patients died of cardiovascular disease. The least absolute shrinkage and selection operator (LASSO) feature selection identified 8 features as important candid
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.
OBJECTIVES: To identify the risk factors for the survival of colorectal cancer (CRC) patients with type 2 diabetes mellitus (T2DM), compare the predictive performance of models based on different algorithms, and develop a risk score system to predict the survival risk of the target population.
METHODS: We analyzed data from the Hong Kong Hospital Authority Data Collaboration Laboratory (HADCL), including 10 749 CRC patients with T2DM from 2000 to 2020. We employed traditional statistical methods and machine learning algorithms to compare their performance using the area under the receiver ope
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.
The behavioral and psychological symptoms of dementia (BPSD) are challenging aspects of dementia care. This study used machine learning models to predict the occurrence of BPSD among community-dwelling older adults with dementia. We included 187 older adults with dementia for model training and 35 older adults with dementia for external validation. Demographic and health data and premorbid personality traits were examined at the baseline, and actigraphy was utilized to monitor sleep and activity levels. A symptom diary tracked caregiver-perceived symptom triggers and the daily occurrence of 12
СтатьяПоддержка исследования: вне правительства СШАПолный 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.
A recent study by Ding et al. explores the integration of artificial intelligence (AI) in predicting dementia risk over a 10-year period using a multimodal approach. While revealing the potential of machine learning models in identifying high-risk individuals through neuropsychological testing, MRI imaging, and clinical risk factors, the imperative of dynamic frailty assessment emerges for accurate late-life dementia prediction. The commentary highlights challenges associated with AI models, including dimensionality and data standardization, emphasizing the critical need for a dynamic, compreh
СтатьяКомментарийПоиск 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/Objectives: Diabetes is a dangerous disease that is accompanied by various complications, including cardiovascular disease. As the global diabetes population continues to increase, it is crucial to identify its causes. Therefore, we predicted diabetes using an AI model and quantitatively examined causal relationships using a causal discovery and inference model. Methods: Kaggle's dataset from the National Institute of Diabetes and Digestive and Kidney Diseases was analyzed using logistic regression, deep learning, gradient boosting, and decision trees. Causal discovery techniques, 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.
Although antiretroviral therapy has prolonged the lifespan of people living with HIV, significant variations still exist in survival rates and risk factors among these people. This study compares the performance of the Cox proportional hazard models with four machine learning models in predicting the survival of people living with HIV, analyzing the survival factors among them, thereby assisting medical decision-making. We collected data on 676 people living with HIV from the Chinese Center for Disease Control and Prevention. Significant variables (p < 0.05) were identified using Cox univariat
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.
European journal of surgical oncology : the journal of the European Society of Surgical Oncology and the British Association of Surgical Oncology2024eng
INTRODUCTION: Distal Cholangiocarcinoma (dCCA) represents a challenge in hepatobiliary oncology, that requires nuanced post-resection prognostic modeling. Conventional staging criteria may oversimplify dCCA complexities, prompting the exploration of novel prognostic factors and methodologies, including machine learning algorithms. This study aims to develop a machine learning predictive model for recurrence after resected dCCA.
MATERIAL AND METHODS: This retrospective multicentric observational study included patients with dCCA from 13 international centers who underwent curative pancreaticod
СтатьяНаблюдательное исследованиеМногоцентровое исследованиеВалидационное исследованиеПолный 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: Machine learning-based prediction models can catalog, classify, and correlate large amounts of multimodal data to aid clinicians at diagnostic, prognostic, and therapeutic levels. Early prediction of ventilator-associated pneumonia (VAP) may accelerate the diagnosis and guide preventive interventions. The performance of a variety of machine learning-based prediction models were analyzed among adults undergoing invasive mechanical ventilation.
METHODS: This systematic review and meta-analysis was conducted in accordance with the Cochrane Collaboration. Machine learning-based predic
МетаанализСистематический обзорСтатьяПолный 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: Insulin resistance and dyslipidemia are prevalent in 50-70% of women diagnosed with polycystic ovary syndrome (PCOS), which is distinguished by metabolic heterogeneity. Non-invasive biomarkers that are accessible under restricted circumstances are necessary for the early detection of metabolic dysfunction. Hematological inflammatory indices can function as markers that may suggest metabolic dysregulation, as they are derived from routine complete blood count parameters. Our objective is to create and verify machine learning models that anticipate metabolic dysregulation in PCOS by
СтатьяВалидационное исследованиеПолный 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: Glioma irradiation often unavoidably damages the brain volume and affects cognition. This study aims to evaluate the relationship of remote cognitive assessments in determining cognitive impairment of irradiated glioma patients in relation to the quality of life and MRI changes.
METHODS: Thirty patients (16-76 aged) with two imaging (pre- and post-RT) and completed cognitive assessments were recruited. Cerebellum, right and left temporal lobes, corpus callosum, amygdala and spinal cord were delineated and their dosimetry parameters were collected. Cognitive assessments were given
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 AND OBJECTIVES: Busulfan, used in conditioning regimens prior to haematopoietic stem cell transplantation, has a narrow therapeutic index; therefore, due to pharmacokinetic variability, therapeutic drug monitoring (TDM) is employed to ensure drug exposure levels associated with optimal clinical outcomes. This study aimed to facilitate dose adjustment and potentially reduce the number of samples required for TDM in clinical practice.
METHODS: Population pharmacokinetic (popPK) and machine learning (ML) models (Random Forest and XGBoost) were developed using a local, retrospective, e
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.
Continued growth in AI-enhanced clinical decision is expected. Representative populations for model training/validation are needed.
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.
There is a growing need for industry and global regulatory agencies to develop rapid chemical safety assessment through more reliable theoretical models. Thus, quantitative structure-toxicity relationship (QSTR) models are preferred by regulators to bring chemicals to market rather than long and expensive animal testing. In this study, we evaluated four binary classification machine learning (ML) models (support vector machine, k-nearest neighbor, CART decision tree and random forest) for their ability to predict toxicity towards Tetrahymena pyriformis using 1416 benzene-derived compounds (749
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.
Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA2023eng
UNLABELLED: While FRAX with BMD could be more precise in estimating the fracture risk, DL-based models were validated to slightly reduce the number of under- and over-treated patients when no BMD measurements were available. The validated models could be used to screen for patients at a high risk of fracture and osteoporosis.
PURPOSE: Fracture risk assessment tool (FRAX) is useful in classifying the fracture risk level, and precise prediction can be achieved by estimating both clinical risk factors and bone mineral density (BMD) using dual X-ray absorptiometry (DXA). However, DXA is not frequ
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: Early assessment of acute pancreatitis (AP) severity is critical. We therefore built a web-based calculator that instantly estimates the probability that a patient admitted with AP will progress to the severe form.
METHODS: Clinical records for patients who were diagnosed as AP at the Second Affiliated Hospital of Guilin Medical University between the start of 2016 and May 2025 were retrospectively examined. The dataset was randomly divided into training set (70%) and test set (30%). For the traditional machine learning models, we employed 5-fold cross-validation combined with ran
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.