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: 1372 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 1553 с найденным полным текстом
BACKGROUND: A number of treatments are available for post-traumatic stress disorder (PTSD), however, there is currently a lack of data-driven treatment selection and adaptation methods for this condition. Machine learning (ML) could potentially help to improve the prediction of treatment outcomes and enable precision mental healthcare in practice.
OBJECTIVES: To systematically review studies that applied ML methods to predict outcomes of psychological therapy for PTSD in adults (e.g., change in symptoms, dropout rate), and evaluate their methodological rigour.
METHODS: This was a pre-registe
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.
BACKGROUND: Testosterone deficiency (TD) is a clinically significant condition strongly associated with aging and metabolic syndrome. While previous studies have established links between muscle mass and TD, evidence regarding the relationship between muscle quality index (MQI) and TD remains limited. This study aimed to investigate the association between MQI and TD in adult males in the United States and to develop an interpretable machine learning (ML) model based on SHapley Additive exPlanation (SHAP) for predicting TD risk.
METHODS: We conducted a cross-sectional study using weighted mul
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.
Human-centered design (HCD) methods in machine learning generally focus on workflow, user interfaces, and data visualizations, but there is the potential to apply these methods to inform the model development and testing process.This study aimed to demonstrate the potential of HCD methods to support the design and testing of machine learning models developed for clinical decision-making.In preparing for formative user testing of clinician facing representations of a machine learning model for detecting sepsis in neonatal intensive care unit (NICU) patients, we discovered that interactive low f
СтатьяПоддержка 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.
INTRODUCTION: Difficult intubation is one of the most challenging scenarios to deal with due to increased morbidity and mortality. Machine learning systems can help predict this process in advance. This study aimed to predict whether patients had difficult intubation using machine learning programs for anthropometric and ultrasonographic measurements taken for preoperative airway assessment.
MATERIAL: METHOD: Patients over 18 years of age with American Society of Anesthesiologists (ASA) scores I-III who underwent general anesthesia were included. Patients with a history of head/neck surgery,
СтатьяНаблюдательное 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.
INTRODUCTION: The aim of the work was to establish a prediction model of mild cognitive impairment (MCI) progression based on intestinal flora by machine learning method.
METHOD: A total of 1,013 patients were recruited, in which 87 patients with MCI finished a two-year follow-up. To establish a prediction model, 61 patients were randomly divided into a training set and 26 patients were divided into a testing set. A total of 121 features including demographic characteristics, hematological indicators, and intestinal flora abundance were analyzed.
RESULTS: Of the 87 patients who finished a tw
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.
Essential genes are those whose presence is vital for a cell's survival and growth. Detecting these genes in disease-causing organisms is critical for various biological studies, including understanding microbe metabolism, engineering genetically modified microorganisms, and identifying targets for treatment. When essential genes are expressed, they give rise to essential proteins. Identifying these genes, especially in complex organisms like Plasmodium falciparum, which causes malaria, is challenging due to the cost and time associated with experimental methods. Thus, computational approaches
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.
BACKGROUND: Heart disease is a severe health issue that results in high fatality rates worldwide. Identifying cardiovascular diseases such as coronary artery disease (CAD) and heart attacks through repetitive clinical data analysis is a significant task. Detecting heart disease in its early stages can save lives. The most lethal cardiovascular condition is CAD, which develops over time due to plaque buildup in coronary arteries, causing incomplete blood flow obstruction. Machine Learning (ML) is progressively used in the medical sector to detect CAD disease.
OBJECTIVE: The primary aim of this
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: The human gut microbiome (HGM), consisting of trillions of microorganisms, is crucial to human health. Adverse drug use is one of the most important causes of HGM disorder. Thus, it is necessary to identify drugs or compounds with anti-commensal effects on HGM in the early drug discovery stage. This study proposes a novel anti-commensal effects classification using a machine learning method and optimal molecular features. To improve the prediction performance, we explored combinations of six fingerprints and three descriptors to filter the best characterization as molecular feature
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.
OBJECTIVE: We aimed to investigate factors related to the 90-day poor prognosis (mRS≥3) in patients with transient ischemic attack (TIA) or minor stroke, construct 90-day poor prognosis prediction models for patients with TIA or minor stroke, and compare the predictive performance of machine learning models and Logistic model.
METHOD: We selected TIA and minor stroke patients from a prospective registry study (CNSR-III). Demographic characteristics,smoking history, drinking history(≥20g/day), physiological data, medical history,secondary prevention treatment, in-hospital evaluation and educat
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.
OBJECTIVE: Patients with dilated cardiomyopathy (DCM) and severely reduced left ventricular ejection fractions (LVEFs) are at very high risks of experiencing adverse cardiac events. A machine learning (ML) method could enable more effective risk stratification for these high-risk patients by incorporating various types of data. The aim of this study was to build an ML model to predict adverse events including all-cause deaths and heart transplantation in DCM patients with severely impaired LV systolic function.
METHODS: One hundred and eighteen patients with DCM and severely reduced LVEFs (<3
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: This cross-sectional study has dual objectives: to investigate the predictive value of machine learning (ML) for the prevalence of depressive symptoms in middle-aged and older adult hospitalized patients with chronic diseases, and to identify significant factors influencing depressive symptoms in this population.
METHODS: A cross-sectional study was conducted among 618 hospitalized middle-aged and older adult patients with chronic diseases. Participants completed questionnaires assessing depression, chronic illness stigma, oral frailty, social isolation, family health, and demograp
СтатьяМногоцентровое 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.
Currently, the World Health Organization (WHO) grade of meningiomas is determined based on the biopsy results. Therefore, accurate non-invasive preoperative grading could significantly improve treatment planning and patient outcomes. Considering recent advances in machine learning (ML) and deep learning (DL), this meta-analysis aimed to evaluate the performance of these models in predicting the WHO meningioma grade using imaging data. A systematic search was performed in PubMed/MEDLINE, Embase, and the Cochrane Library for studies published up to April 1, 2024, and reporting the performance me
СтатьяМетаанализСистематический обзорПолный 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: The Systemic Coagulation-Inflammation index (SCI) is an innovative hematological metric that accurately reflects both coagulopathic and inflammatory dynamics. In this paper, the objective of this paper is to explain the prognostic impact of SCI on ISR in patients with coronary heart disease (CAD).
METHODS: This retrospective study analyzed clinical data from 724 CAD patients who underwent PCI with DES between September 2017 and June 2023. The study compared preoperative clinical data between patients who developed ISR and non-ISR groups. To avoid overfitting, we implemented 5 fold
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.
Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology2023eng
AIMS: To identify robust circulating predictors for incident atrial fibrillation (AF) using classical regressions and machine learning (ML) techniques within a broad spectrum of candidate variables.
METHODS AND RESULTS: In pooled European community cohorts (n = 42 280 individuals), 14 routinely available biomarkers mirroring distinct pathophysiological pathways including lipids, inflammation, renal, and myocardium-specific markers (N-terminal pro B-type natriuretic peptide [NT-proBNP], high-sensitivity troponin I [hsTnI]) were examined in relation to incident AF using Cox regressions and dist
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/Objectives: Psychiatric readmissions are an important indicator for assessing disease progression and the effectiveness of healthcare services. The aim of this study was to explore factors associated with one-year readmission and to evaluate the performance of machine learning models using clinical information extracted from discharge summaries of patients receiving inpatient treatment in a psychiatric ward. Methods: This retrospective study included 622 patients hospitalized in the psychiatry department of a university hospital between 2020 and 2024. Clinical variables were extract
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.
Single-cell technologies have enhanced our knowledge of molecular and cellular heterogeneity underlying disease. As the scale of single-cell datasets expands, linking cell-level phenotypic alterations with clinical outcomes becomes increasingly challenging. To address this, we introduce CellPhenoX, an eXplainable machine learning method to identify cell-specific phenotypes that influence clinical outcomes. CellPhenoX integrates classification models, explainable AI techniques, and a statistical framework to generate interpretable, cell-specific scores that uncover cell populations associated w
СтатьяПрепринтПолный 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.
Metal-carbon compounds are significant for their diverse carbon units, which exhibit distinctive electronic and bonding properties, and broad application potential. In this article, we present a detailed C-K phase diagram, constructed using the crystal structure prediction method, MAGUS, based on machine-learning potentials fitted from first-principles calculations, revealing diverse carbon units, from allylenide ions to graphene-like two-dimensional layers. We found that the Pnma C12K16 phase contains allylenide ions, which contribute to its insulating behavior. Meanwhile, the ambient-pressur
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.
Schistosomiasis remains a formidable challenge to global public health. This study aims to predict the spatial distribution of schistosomiasis seropositive rates in Hunan Province, pinpointing high-risk transmission areas and advocating for tailored control measures in low-endemic regions. Six machine learning models and their corresponding hybrid machine learning-Kriging models were employed to predict the seropositive rate. The optimal model was selected through internal and external validations to simulate the spatial distribution of seropositive rates. Our results showed that the hybrid ma
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.
OBJECTIVE: For the patients who are suffering from type 2 diabetes, blood glucose level could be affected by multiple factors. An accurate estimation of the trajectory of blood glucose is crucial in clinical decision making. Frequent glucose measurement serves as a good source of data to train machine learning models for prediction purposes. This study aimed at using machine learning methods to predict blood glucose for type 2 diabetic patients. We investigated various parameters influencing blood glucose, as well as determined the most effective machine learning algorithm in predicting blood
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.
Machine learning is increasingly being used to predict clinical outcomes. Most comparisons of different methods have been based on empirical analyses in specific datasets. We used Monte Carlo simulations to determine when machine learning methods perform better than statistical learning methods in a specific setting. We evaluated six learning methods: stochastic gradient boosting machines using trees as the base learners, random forests, artificial neural networks, the lasso, ridge regression, and linear regression estimated using ordinary least squares (OLS). Our simulations were informed by
СтатьяПоддержка исследования: вне правительства СШАПоддержка NIH: внешняя программаПолный 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.