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: 208 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 2553 с найденным полным текстом
BACKGROUND: Diabetic oral ulceration (DOU) is a prevalent and debilitating complication among diabetic patients, significantly impairing their quality of life and imposing substantial economic burdens. Studies indicate that over 90% of diabetic patients experience oral complications, with 45% suffering from oral ulcers. Clear diagnosis is crucial for effective clinical management and prognosis improvement. However, current diagnostic methods often fall short in early detection and intervention. Machine learning (ML) has shown promise in predicting disease development, yet no relevant predictiv
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 study aimed to develop a predictive model using machine learning algorithms, providing healthcare professionals with a novel tool for assessing disability risk in older adults. Data from the 2018 and 2020 waves of the China Health and Retirement Longitudinal Study were utilized, including 3,172 participants aged 65 years and older with no baseline disability. In this study, five machine learning algorithms were employed to construct risk assessment and prediction models for disability in older adults. The Shapley Additive Explanations method was applied to analyze the independent predictor
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: Phosphorylation is a crucial post-translational modification mechanism that enhances proteomic diversity, and its malfunction has been confirmed to be associated with complex traits, especially brain disorders. One of the factors contributing to this malfunction is the missense mutations given that they may alter the peptides flanking the phosphorylated residues. However, the specific effects of these missense mutations on phosphorylation remain unclear. METHODS: To ascertain these, a deep learning phosphorylation prediction model (DeepMEP), which is the first to be developed on a
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.
BACKGROUND: Retinopathy of prematurity (ROP) has emerged as one of the leading causes of visual impairment or blindness among newborn infants worldwide. The purpose of this study was to develop a predictive model for ROP using machine learning methods.
METHODS: A retrospective study was conducted on 586 neonates admitted to the Department of Neonatology at the First Affiliated Hospital of Guangxi Medical University from January 2019 to January 2024, who met the inclusion criteria and underwent ROP screening.1.ROP-related risk factors were collected by reviewing electronic medical records duri
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.
Cancer is a major public health problem while liver cancer is the main cause of global cancer-related deaths. The previous study demonstrates that the 5-year survival rate for advanced liver cancer is only 30%. Few of the first-line targeted drugs including sorafenib and lenvatinib are available, which often develop resistance. Drug combination therapy is crucial for improving the efficacy of cancer therapy and overcoming resistance. However, traditional methods for discovering drug synergy are costly and time consuming. In this study, we developed a novel predicting model PathSynergy by integ
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.
INTRODUCTION: The risk factors of biliary complications (BCs) after liver transplantation are not comprehensively determined. BCs also vary in times of onset. Machine learning (ML) can reveal regularities based on large-scale data to make predictions and have demonstrated good performance in liver transplantation. However, whether ML can be an efficient tool for BC prediction was not determined.
METHODS: Five hundred seventeen patients from 2 centers were enrolled. Patients were randomly divided into training and validation sets at 3:1 ratio. K-fold cross-validation and the synthetic minority
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.
Cardiac rehabilitation (CR) programs are vital for people recovering from cardiac surgeries or events. However, the effectiveness of CR programs varies and some patients may not adhere to them, which might result in less favourable outcomes. Machine Learning (ML) models could help predict the effectiveness and adherence of CR programs. This study proposes two such models: a) the CR program effectiveness prediction model and b) the CR program adherence prediction model. The models were trained on data from retrospective cohort study with 1448 participants collected at the Cardiac Rehabilitation
СтатьяПоддержка 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.
Patients with intracerebral hemorrhage (ICH) are highly susceptible to sepsis. This study evaluates the efficacy of machine learning (ML) models in predicting sepsis risk in intensive care units (ICUs) patients with ICH. We conducted a retrospective analysis on ICH patients using the MIMIC-IV database, randomly dividing them into training and validation cohorts. We identified sepsis prognostic factors using Least Absolute Shrinkage and Selection Operator (LASSO) and backward stepwise logistic regression. Several machine learning algorithms were developed and assessed for predictive accuracy, w
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: Graft/ stent thrombosis after lower extremity revascularization (LER) is a serious complication in patients with peripheral arterial disease (PAD), often leading to amputation. Thus, predicting arterial thrombotic events (ATE) within 1 year is crucial. Given the high rates of thrombosis post-revascularization, this study aimed to develop a machine learning model (MLM) incorporating viscoelastic testing and patient-specific variables to predict ATE following LER.
METHODS: We prospectively enrolled PAD patients undergoing LER from 2020 to 2024, collecting demographic, clinical, and
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: Postpartum depression (PPD) is a prevalent mental health issue with significant impacts on mothers and families. Exploring reliable predictors is crucial for the early and accurate prediction of PPD, which remains challenging.
OBJECTIVE: This study aimed to comprehensively collect variables from multiple aspects, develop and validate machine learning models to achieve precise prediction of PPD, and interpret the model to reveal clinical implications.
METHODS: This study recruited pregnant women who delivered at the West China Second University Hospital, Sichuan University. Variou
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.
Accurate survival prediction in peritoneal dialysis (PD) patients is essential for personalized treatment planning and shared decision-making. We developed and validated PD-PREDICT, an XGBoost-based model to generate dynamic mortality risk estimates in incident PD patients. We conducted a retrospective cohort study using data from the UK Renal Registry (UKRR), comprising 22,711 incident PD patients treated between January 1, 2007, and September 1, 2022. The development cohort (n = 14,650; January 2007-December 2016) was split into training and internal test sets. Temporal validation employed a
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: The prevalence of chronic kidney disease (CKD) continues to rise, making it one of the leading causes of death worldwide. Recent advances in medical and health research have progressed beyond traditional statistical methodologies, increasingly leveraging artificial intelligence to identify and predict factors influencing mortality. Further AI-based research is therefore essential to deepen understanding of the determinants of death among CKD patients.
METHODS: This study used data from the Korea Disease Control and Prevention Agency's in-depth survey of patients discharged between
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.
Asthma is a chronic respiratory disease characterized by wheezing and difficulty breathing, which disproportionally affects 4.7 million children in the U.S. Currently, there is a lack of asthma predictive models for youth with good performance. This study aims to build machine learning models to better predict asthma development in youth using easily accessible national survey data. We analyzed cross-sectional combined 2021 and 2022 National Health Interview Survey (NHIS) data from 9,716 youth subjects with their corresponding parent information. We built several machine learning models with v
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: Intrahepatic cholestasis of pregnancy (ICP) is a liver disorder that occurs in the second and third trimesters of pregnancy and is associated with a significant risk of fetal complications, including premature birth and fetal death. In clinical practice, the diagnosis of ICP is predominantly based on the presence of pruritus in pregnant women and elevated serum total bile acid. However, this approach may result in missed or delayed diagnoses. Therefore, it is essential to explore the risk factors associated with ICP and to accurately identify affected individuals to enable timely p
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: Systemic lupus erythematosus (SLE) is a chronic autoimmune disease that disproportionately affects women and racial/ethnic minority groups. Predicting disease flares is essential for improving patient outcomes, yet few studies integrate both clinical and social determinants of health (SDoH). We therefore developed FLAME (FLAre Machine learning prediction of SLE), a machine learning pipeline that uses electronic health records (EHRs) and contextual-level SDoH to predict 3-month flare risk, emphasizing explainability and fairness.
MATERIALS AND METHODS: We conducted a retrospective c
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: Enteral feeding intolerance, a common type of gastrointestinal dysfunction leading to underfeeding, is associated with increased mortality. Tracheal pepsin A, an indicator of microaspiration, was found in 39% of patients within 24 hours of enteral feeding. Tracheal pepsin A is a potential biomarker of enteral feeding intolerance.
OBJECTIVE: To identify predictors of microaspiration (tracheal or oral pepsin A). It was hypothesized that variables predicting the presence of tracheal pepsin A might be similar to predictors of enteral feeding intolerance.
METHODS: In this secondary an
СтатьяПоддержка NIH: внешняя программаПоиск 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.
AIM: To develop and validate a model predicting surgical treatment of intussusception in children.
METHODS: Design: Retrospective study of charts and development of a model for predicting surgical treatment using logistic regression and machine learning using''Knime'' platform.
SETTING: Data collection occurred in the Department of Pediatric Surgery between January 2013 and December 2022.
PATIENTS: Children aged less than 3 years old with the diagnosis of ileocolic intussusception.
RESULTS: One hundred and nine children were assigned to the training set, and 47 were assigned to the validat
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: The number of individuals with lower limb loss (LLL) is rising. Therefore, identifying the walking potential in individuals with LLL and prescribing adequate prosthetic systems are crucial. Various factors can influence participants' walking ability, to different extents. The aim of the present study was to apply machine learning methods to develop a predictive mode. This model can assist rehabilitation and limb loss care teams in making informed decisions regarding prosthesis prescription and predicting walking ability in individuals with LLL. Methods: The present study
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.
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
СтатьяКомментарийПолный 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.
Early identification of high-risk metabolic dysfunction-associated steatohepatitis (MASH) can offer patients access to novel therapeutic options and potentially decrease the risk of progression to cirrhosis. This study aimed to develop an explainable machine learning model for high-risk MASH prediction and compare its performance with well-established biomarkers. Data were derived from the National Health and Nutrition Examination Surveys (NHANES) 2017-March 2020, which included a total of 5281 adults with valid elastography measurements. We used a FAST score ≥ 0.35, calculated using liver sti
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.