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: 198 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 376 с найденным полным текстом
Dengue remains one of the most critical vector-borne diseases globally, with Brazil consistently reporting the highest incidence in the Americas. The 2024 epidemic was the largest in the country's history, with São Paulo as its epicenter. This study developed and evaluated a machine learning (ML) framework to forecast dengue under extreme epidemic conditions, focusing on enhancing model robustness when testing data exceed the range of historical observations. A novel virtual data augmentation strategy was introduced to expose models to synthetic large-scale outbreaks and to assess the predicti
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.
Drug solubility in supercritical carbon dioxide (SC-CO2) plays a pivotal role in the development of particle engineering, drug loading, and solvent-free pharmaceutical formulations. However, experimental solubility determination in supercritical systems remains costly, time-consuming, and compound-specific. In this study, an interpretable data-driven framework is proposed to support pharmaceutical formulation scientists by accurately predicting drug solubility in SC-CO2 while elucidating the governing physicochemical factors. Multiple machine learning regressors, including Extreme Gradient Boo
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: Thalassemia is an inherited autosomal recessive hematologic disorder characterized by chronic hemolytic anemia due to impaired synthesis of globin chains. A three-level prevention system has effectively reduced the birth rate of affected children and enabled early intervention in Guangxi, China. However, conventional blood tests lack accuracy, and hemoglobin electrophoresis has low predictive value for α-thalassemia with low HbA₂. While genetic testing remains the gold standard, its high-cost limits large-scale use. Thus, a fast, low-cost, and reliable screening method is urgently
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.
To develop a self-supervised learning (SSL) model that classifies optic disc phenotypes in primary open angle glaucoma (POAG) and explores novel phenotypic patterns with optic disc photographs (ODPs). We collected 850 ODPs from patients with POAG and applied data augmentation to address class imbalances, yielding 10,493 images. Using the DINO Vision Transformer as the backbone model, we trained an SSL model to extract 2048-dimensional latent features. These features were used for both supervised classification of six known phenotypes and unsupervised clustering. Classification performance was
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: To develop predictive models of final corrected distance visual acuity (CDVA) following cataract surgery using machine learning algorithms and electronic health record data.
METHODS: In this predictive modeling study we used decision tree, random forest, and gradient boosting. We included the first surgical eye of 64,768 members of Kaiser Permanente Northern California who underwent cataract surgery from June 1, 2010 through May 31, 2015. We measured discrimination and calibration of machine learning models for predicting postoperative CDVA 20/50 or worse vs 20/40 or better.
RESU
СтатьяПоддержка NIH: внешняя программаПоддержка 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.
INTRODUCTION: Postmenopausal bleeding (PMB) is a common clinical symptom, with endometrial cancer (EC) accounting for about 10% of cases. This study aimed to develop machine-learning models to predict EC in women with PMB, supporting risk stratification and optimizing diagnostic pathways.
MATERIAL AND METHODS: We retrospectively analysed 617 women who underwent hysteroscopy for PMB at the Meir Medical Center between 2014 and 2023. Demographic, clinical, laboratory, and imaging data were collected. Three supervised machine-learning algorithms - Random Forest, eXtreme Gradient Boosting (XGBoost
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: Acute respiratory distress syndrome (ARDS) commonly develops in traumatic brain injury (TBI) patients and is a risk factor for poor prognosis. We designed this study to evaluate the performance of several machine learning algorithms for predicting ARDS in TBI patients. Methods: TBI patients from the Medical Information Mart for Intensive Care-III (MIMIC-III) database were eligible for this study. ARDS was identified according to the Berlin definition. Included TBI patients were divided into the training cohort and the validation cohort with a ratio of 7:3. Several machine learning
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: Mild traumatic brain injury (mTBI) comprises a majority of traumatic brain injury (TBI) cases. While some mTBI would suffer neurological deterioration (ND) and therefore have poorer prognosis. This study was designed to develop the predictive model for the ND among mTBI using machine learning algorithms.
METHODS: mTBI patients recorded in the Medical Information Mart for Intensive Care-III were selected for the study. The ND was defined as a drop of Glasgow Coma Scale ≥ 2 within the first 7 day after admission. Eight machine learning algorithms were trained and validated with 5-fo
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.
Typhoon-induced extreme floods pose severe threats to subtropical watersheds, yet systematic integration of typhoon physics into machine learning flood prediction remains limited. This study developed a physics-informed machine learning framework for the Boluo watershed, South China, emphasizing typhoon feature engineering. Four models (Linear Regression (LR), Artificial Neural Network (ANN), Random Forest (RF) and XGBoost (XGB)) were systematically evaluated across three feature engineering scenarios: Baseline (conventional hydrometeorological variables), With Typhoon (original typhoon observ
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.
Supervised machine learning is a popular tool for predictor selection in large data sets. The choice of method is currently either based on theory, subjective preferences, previous general simulation studies, or the best fit of a method to the data, which does not allow evaluating the methods' performance for a specific empirical application. In this article, we illustrate how to select a method through a simulation study tailored to an empirical application. The simulation study mimics cancer data with the aim of predicting patients' quality of life. We vary sample sizes, effect sizes, correl
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.
Cerebral vasospasm is a serious complication after aneurysmal subarachnoid haemorrhage (aSAH). We trained machine learning models on 168 patients (225 CTA timepoints) using standardized clinical data (OMOP CDM). XGBoost achieved the best performance (AUROC 0.79; 95% CI 0.65-0.91).
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.
Currently, machine-learning algorithms have been considered the most promising approach to reach a clinical diagnosis at the individual level. This study aimed to investigate whether the whole-brain resting-state functional connectivity (RSFC) metrics combined with machine-learning algorithms could be used to identify essential tremor (ET) patients from healthy controls (HCs) and further revealed ET-related brain network pathogenesis to establish the potential diagnostic biomarkers. The RSFC metrics obtained from 127 ET patients and 120 HCs were used as input features, then the Mann-Whitney U
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.
BACKGROUND AND OBJECTIVES: Recognition and treatment of neonatal seizures, primarily diagnosed using EEG, are essential to protect the developing brain, yet only 11% of seizures are treated within 1 hour of onset. Developing seizure forecasting and detection systems could help address this issue in intensive care settings with limited neurologist availability.
METHODS: We propose an ML architecture with dual functionality: (1) forecasting seizures within short prediction intervals (5, 10, and 15 min), and (2) detecting seizures in real time, using explainable entropy-, singular value decompos
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.
Obesity is a major health challenge resulting from the interaction of genetic, behavioral, and environmental factors. In recent years, several conventional statistical, mathematical methods, and machine learning techniques have been proposed for obesity classification and have generated encouraging results. However, their performance is not ideal, and more work is needed in the field. This study proposes an optimized stacking machine learning classifier (SMLC) for obesity classification. The SMLC model intelligently combines a meta-heuristic model, machine learning models, and deep learning to
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: Pneumonia is one of the most common complications after spontaneous intracerebral hemorrhage (sICH), i.e., stroke-associated pneumonia (SAP). Timely identification of targeted patients is beneficial to reduce poor prognosis. So far, there is no consensus on SAP prediction, and application of existing predictors is limited. The aim of this study was to develop a machine learning model to predict SAP after sICH.
METHODS: We retrospectively reviewed 748 patients diagnosed with sICH and collected data from 4 dimensions-demographic features, clinical features, medical history, and labo
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.
Bladder cancer is one of the most common cancers with a high recurrence rate. Patients undergo mandatory yearly scrutinies, including cystoscopies, which makes bladder cancer highly distressing and costly. Here, we aim to develop a non-invasive, label-free method for the detection of bladder cancer cells in urine samples, which is based on interferometric imaging flow cytometry. Eight urothelial carcinoma and one normal urothelial cell lines, along with red and white blood cells, imaged quantitatively without staining by an interferometric phase microscopy module while flowing in a microfluidi
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: Bronchiolitis is a leading cause of hospitalization in infants, yet early and accurate risk prediction remains a clinical challenge. Traditional models often lack the complexity to capture nonlinear interactions or the transparency required for clinical trust.
OBJECTIVE: This multicenter study aimed to develop, validate, and interpret machine learning (ML) models for predicting bronchiolitis risk in children under two years of age using clinical and socioeconomic determinants.
METHODS: In this retrospective study, data from 1,260 children (529 with bronchiolitis and 731 without)
СтатьяМногоцентровое 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: Type 2 diabetes mellitus (T2DM) combined with hypertension significantly increases mortality risk, yet accurate risk prediction models remain limited.
OBJECTIVE: We aimed to develop and validate machine learning-based models to predict all-cause mortality in patients with T2DM and hypertension.
METHODS: We analyzed data from the National Health and Nutrition Examination Survey from 1999 to 2018 linked with mortality data up to December 31, 2019. Adult participants (aged ≥20 years) with concurrent T2DM and hypertension were included. Five machine learning algorithms were developed
СтатьяВалидационное 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.
Soil salinization poses a serious threat to global soil health and agricultural productivity, especially in arid and semi-arid regions, making the accurate assessment of its extent and severity crucial. This study employs hyperspectral remote sensing data to estimate soil salinity content (SSC) in the Weigan-Kuqa River Oasis in Xinjiang, China. To address hyperspectral dimensionality and noise challenges, multiple spectral transformation methods are systematically introduced and compared, including mathematical transformations, continuous wavelet transformation (CWT), discrete wavelet transfor
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.
Quantitative prediction of drug removal by hemodialysis is essential for rational dose design in patients with renal failure. We aimed to develop a machine learning-based quantitative structure-pharmacokinetic relationship (QSPKR) model to predict hemodialysis clearance (CLHD) using molecular descriptors and dialysis conditions. CLHD data were compiled from published clinical studies, yielding a dataset comprising 46 compounds; 457 measurements; 7 dialysis membrane types; and dialysis parameters, including blood flow rate (QB) and dialysate flow rate (QD). Recursive feature elimination reveale
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.