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
35031 публикаций
Поиск: 388 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2553 с найденным полным текстом
BMC medical informatics and decision making2026eng
BACKGROUND: The triglyceride-to-high-density lipoprotein cholesterol (TG/HDL-C) ratio and triglyceride glucose-body mass (TyG-BMI) index are reliable indicators of insulin resistance (IR). This study investigated their association with ischemic cardiomyopathy (ICM) and developed a machine learning-based model for ICM risk prediction.
METHODS: In total, 1,603 subjects participated in this study. Univariable logistic regression analysis was conducted, and variables with P < 0.05 were selected for multivariable logistic regression to identify independent risk factors for ICM. Variables meeting t
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: Osteoporosis is a systemic bone disease that can lead to decreased bone strength and increased susceptibility to fractures. This study aims to evaluate the level of cytokines and other common blood biomarkers, and establish a machine learning-based risk prediction model for osteoporosis patients.
METHODS: The clinical data of patients with osteoporosis who were hospitalized in the Seventh Medical Center of the Chinese People's Liberation Army General Hospital from January 2023 to September 2024 were retrospectively collected. 16 cytokines and other potential predictive variables we
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.
MOTIVATION: Combination therapies have demonstrated improved efficacy across diverse clinical settings. Predicting antibacterial drug synergy remains difficult due to strain variability and the limited scale of experimentally tested combinations. Existing machine-learning approaches for synergy prediction often rely on permissive cross-validation schemes that allow drug pairs to re-appear across folds, leading to inflated performance metrics. A rigorous evaluation framework and scalable feature representation are needed for robust generalization.
RESULTS: We assembled a curated dataset of 3,1
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: Bladder cancer is associated with considerable postoperative recurrence rates. Accurate risk prediction remains challenging in clinical practice.
OBJECTIVE: To develop and validate an explainable machine learning model for predicting bladder tumor recurrence following surgical treatment.
METHODS: This retrospective cohort study enrolled 504 patients with pathologically confirmed bladder tumors treated at the Department of Urology, Zhejiang Dinghai Hospital, from October 2018 to October 2024. Postoperative surveillance was conducted at 3, 6, 12, and 24 months to assess recurrence
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: Breast cancer is the most common malignancy worldwide. Brain metastasis in breast cancer severely impacts prognosis, and the objective of this study is to develop a machine learning model for predicting the risk of brain metastasis in breast cancer patients to assist clinical management.
METHODS: Univariate and multivariate logistic regression analyses were employed to screen the final included variables, and eight machine learning algorithms were utilized for model construction. Model performance was evaluated using receiver operating characteristic curves, precision-recall curve
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: Medication non-adherence remains a major challenge in psychiatric care, yet its prediction often relies on clinical and sociodemographic characteristics, while giving comparatively limited attention to modifiable psychological-cognitive factors. Integrating mental health literacy and medication-related beliefs with explainable machine learning approaches may provide a more informative framework for understanding and predicting adherence. Objective: This study examined the association of mental health literacy and medication-related beliefs with psychotropic medication adherence and
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: The human biofield serves as an indicator of an individual's physical and emotional health status. Biofield-based therapeutic techniques, also known as complementary and alternative medicine (CAM) techniques such as Reiki, Therapeutic Touch, and Pranic Healing, leverage this information in the preliminary assessment phase before treatment initiation. These modalities are increasingly integrated as complementary methods within health diagnostic frameworks. Among the techniques employed for biofield visualization, gas discharge visualization (GDV) and polycontrast interference photog
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.
Machine learning models have recently emerged to predict whether hypothetical solid-state materials can be synthesized. These models aim to circumvent direct first-principles modeling of solid-state phase transformations, instead learning from large databases of successfully synthesized materials. Here, we assess the alignment of several recently introduced synthesis prediction models with material and reaction thermodynamics, quantified by the energy with respect to the convex hull and a metric accounting for thermodynamic selectivity of enumerated synthesis reactions. A dataset of successful
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: Breast cancer remains a significant global health concern, with over 7.8 million cases reported in the last five years. Early detection and accurate classification are crucial for reducing mortality rates and improving outcomes. Machine learning (ML) has emerged as a transformative tool in medical imaging, enabling more efficient and accurate diagnostic processes.
OBJECTIVE: This study aims to develop a machine learning-based predictive model for early detection and classification of breast cancer using the Wisconsin Breast Cancer Diagnostic dataset.
METHODS: The dataset, compris
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 develop a machine-learning-based predictive model for postoperative urinary sepsis following ureteroscopic lithotripsy, providing a scientific basis for early clinical identification of high-risk patients. A total of 927 patients who underwent ureteroscopic lithotripsy at a Grade III-A hospital in Guizhou Province from September 2024 to September 2025 were enrolled as the study subjects. Clinical data were collected and randomly divided into a training set (70%) and a test set (30%) according to a 7:3 ratio. Four machine-learning algorithms—SVM, LR, RF, and XGBoost—were used to construct 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.
This study developed and validated a machine learning model to predict refractory septic shock in patients with sepsis admitted to a tertiary care center in India. Using an ambispective design, data from 1,008 adult intensive care unit patients were used for model development and 102 for prospective validation. Demographic, clinical, laboratory, and imaging variables were analyzed through a structured three-tiered feature selection process, and Random Forest classifiers were trained on optimized feature sets. The best-performing model, incorporating 27 clinical and laboratory features, achieve
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.
BACKGROUND: Preeclampsia is a severe hypertensive disorder with rising global prevalence. While machine learning (ML) models for predicting preeclampsia are increasingly published, existing evidence shows high heterogeneity, and the distinction between internal performance and external transferability remains unclear.
OBJECTIVE: This study aims to evaluate the performance of ML models in predicting preeclampsia through a systematic review and meta-analysis, while also exploring their potential clinical application value, in order to specifically enhance the quality of future research and the
СтатьяМетаанализСистематический 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.
In vitro studies are widely used to measure chemical neurotoxicity or neuroactivity. To show similar activity in vivo, chemicals need to cross the blood-brain barrier (BBB), a membrane that controls chemical movement from the bloodstream to the brain. Machine learning (ML) models present a rapid, cost-effective alternative to experimental methods for predicting BBB permeability. We developed and validated a set of ML models to predict BBB permeability by employing various molecular descriptors and ML algorithms. Models were rigorously evaluated using 5-fold cross-validation and scaffold splitt
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: To establish disease prediction models using 6 distinct machines learning algorithms, and to screen diagnostic markers for systemic lupus erythematosus(SLE) by detecting platelet aggregation rates via platelet aggregation assays and comparing their differences between SLE patients and healthy controls.
METHODS: A cross-sectional study design was adopted, retrospective data were gathered from 123 female patients diagnosed with SLE who attended Sichuan Provincial People's Hospital between July 2022 and July 2025, alongside data from 64 female healthy controls. Platelet aggregation ra
Аннотация на английскомСтатьяПоиск 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.
Zhonghua lao dong wei sheng zhi ye bing za zhi = Zhonghua laodong weisheng zhiyebing zazhi = Chinese journal of industrial hygiene and occupational diseases2026chi
Objective: To develop an interpretable machine learning model to predict the risk of respiratory failure in patients with pneumoconiosis. Methods: In February 2025, based on the retrospective West China Occupational Pneumoconiosis Cohort, 1367 hospitalized pneumoconiosis patients in West China Fourth Hospital of Sichuan University from January 1, 2012 to November 30, 2021 were selected as the research objects. Predictive variables were selected using least absolute shrinkage and selection operator (LASSO) -Cox regression. Four machine learning models, including random survival forest model (RS
Аннотация на английскомСтатьяПолный 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.
IMPORTANCE: Transthyretin cardiac amyloidosis (ATTR-CM) is associated with poor prognosis and significant morbidity and mortality, yet existing staging systems have limited ability to accurately predict outcomes in contemporary patient populations.
OBJECTIVE: To develop and validate a machine learning (ML)-based prognostic model for patients with ATTR-CM.
DESIGN, SETTING, AND PARTICIPANTS: This multicenter cohort study, including specialized referral centers for cardiac amyloidosis, used data from patients with confirmed ATTR-CM in the Swiss Cardiac Amyloidosis Registry (February 2018 to Nov
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.
While most cases of Bell's palsy resolve successfully, some patients do not fully recover despite medical treatment. Various tools have been developed to assess the status of facial nerve palsy (FNP), enhance prognostic accuracy, and guide early rehabilitation or more intensive therapies. However, existing evaluation tools often struggle with accurately predicting moderate cases of FNP. Recently, machine learning algorithms have shown promise in predicting clinical outcomes across various diseases by analyzing historical medical data. This study aimed to establish machine learning models for p
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.
OBJECTIVE: Postherpetic neuralgia (PHN) is a debilitating complication of herpes zoster (HZ), and early identification of high-risk patients is crucial for timely intervention. This study aimed to develop and validate machine learning models to predict the risk of developing PHN following HZ onset.
METHODS: A retrospective analysis of two prospective cohorts was performed. The training cohort comprised 627 patients from the Affiliated Hospital of Putian University, and an independent external validation cohort included 219 patients from Zhangzhou Affiliated Hospital of Fujian Medical Universi
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.
In recent years, the prevalence of chronic diseases such as Ulcerative Colitis (UC) has increased, bringing a heavy burden to healthcare systems. Traditional Chinese Medicine (TCM) stands out for its cost-effective and efficient treatment modalities, providing unique advantages in healthcare. But syndrome differentiation of UC presents a longstanding challenge in TCM due to its chronic nature and varied manifestations. While existing research has primarily explored machine learning applications for diagnosis and prognosis prediction, the critical issue of explainability in syndrome differentia
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.
The accurate diagnosis of skin diseases is crucial for effective patient management and treatment, yet traditional diagnostic methods often involve subjective interpretation and can lead to variability in outcomes. In this study, we harness the power of machine learning classifiers to enhance diagnostic accuracy by predicting skin diseases based on histopathological features extracted from biopsy samples. We evaluated the performance of six widely used classifiers: Random Forest, Logistic Regression, Stochastic Gradient Descent (SGD) Classifier, Support Vector Machine (SVM), AdaBoost, and Naiv
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.