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
14483 публикаций
Поиск: 165 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 6276 с найденным полным текстом
Аннотация не предоставлена источником. Откройте карточку для перехода к публикации.
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 Clinical decision support (CDS) systems can improve safety and facilitate evidence-based practice. However, clinical decisions are often affected by the cognitive biases and heuristics of clinicians, which is increasing the interest in behavioral and cognitive science approaches in the medical field.Objectives This review aimed to identify decision biases that lead clinicians to exhibit irrational behaviors or responses, and to show how behavioral economics can be applied to interventions in order to promote and reveal the contributions of CDS to improving health care quality.Method
Поиск 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.
Healthcare systems are rapidly embedding adaptive and generative AI into core clinical processes. The integration of Artificial Intelligence into Clinical Decision Support Systems (AI-CDSS) highlights a fundamental transformation within healthcare delivery. This transformation enables advanced predictive analytics, multimodal data integration, and real-time augmentation of clinical decisions. However, AI introduces systemic, ethical, operational, and governance risks that challenge traditional healthcare audit and assurance frameworks. In fact, assurance methodologies designed for static softw
СтатьяОбзорПоиск 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.
Few, if any, of the Clinical Decision Support Systems developed and reported within the informatics literature incorporate patient preferences in the formal and quantitatively analytic way adopted for evidence. Preferences are assumed to be 'taken into account' by the clinician in the associated clinical encounter. Many CDSS produce management recommendations on the basis of embedded algorithms or expert rules. These are often focused on a single criterion, and the preference trade-offs involved have no empirical basis outside an expert panel. After illustrating these points with the Osteoporo
СтатьяОбзорПоиск 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.
PURPOSE OF REVIEW: This review summarizes high-level evidence on clinical decision support systems, both more classical rules-based and emerging artificial intelligence-based examples. It discusses their potential and concerns, how to evaluate them and describes future directions based on published evidence, clinical experience and broader experience working with others in this space.
RECENT FINDINGS: There is significant potential for CDSS to benefit elicitation and assessment of breathlessness, assist clinical decision making, improve interpretation of common diagnostic tests for breathless
СтатьяОбзорПоиск 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: AI-based clinical decision support systems (CDSS) can improve diagnostics and treatment decisions, but they are rarely implemented in practice. Barriers include limited integration into clinical workflows, lack of transparency, and insufficient involvement of end users in system design. Participatory and user-centered approaches offer ways to address these challenges by aligning development processes with the needs and routines of clinical staff. However, systematic evidence on how such approaches are applied in the development of AI-based CDSS remains limited.
OBJECTIVE: Our stud
СтатьяScoping ReviewОбзорПоиск 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.
OBJECTIVE: Map the scientific evidence on the use of clinical decision support systems in diabetic foot care.
METHOD: A scoping review based on the JBI Manual for Evidence Synthesis and registered on the Open Science Framework platform. Searches were carried out in primary and secondary sources on prototypes and computerized tools aimed at assisting patients with diabetic foot or at risk of having it, published in any language or period, in eleven databases and grey literature.
RESULTS: A total of 710 studies were identified and, following the eligibility criteria, 23 were selected, which po
СтатьяScoping ReviewПоиск 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: Cancer treatment poses significant challenges due to variability in patient responses, disease progression, and therapy outcomes. Traditional decision-making frameworks often fall short in integrating complex data streams, underscoring the need for intelligent systems. Machine learning (ML)-enabled clinical decision support systems (CDSS) offer a promising solution by enabling personalized, predictive, and data-driven oncology care.
AIM: This scoping review aimed to explore how ML-powered CDSS are applied to predict treatment outcomes across different types of cancer. It sought to
СтатьяОбзорПоиск 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.
NASA and commercial space flight companies expect to make long-term missions into deep space with the Artemis project and Mars mission. Health care in deep space is a priority as the missions require limited crew and equipment to accommodate astronauts' needs. Analyzing the probable clinical procedures and workflows for this setting is needed to ensure quality care and safety. This paper introduces Business Process Modeling and Notation (BPMN) and OWL2-based modeling to represent aerospace dental workflows for low-earth orbit and potential deep space missions. We developed BPMN process models
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.
BackgroundAlzheimer's disease (AD), marked by progressive memory loss and cognitive decline, poses diagnostic challenges due to its multifactorial nature. Therefore, researchers are increasingly leveraging artificial intelligence and data-driven approaches to develop computerized clinical decision support systems (CCDSS), aiming to enhance early detection, improve treatment, and slow disease progression.ObjectiveThis study seeks to conduct a systematic review of the most recently developed AD-CCDSS, delving into their progress and the challenges to guide future development and implementation o
СтатьяСистематический обзорПоддержка 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: HIV treatment prescription is a complex process. Clinical decision support systems (CDSS) are a category of health information technologies that can assist clinicians to choose optimal treatments based on clinical trials and expert knowledge. The usability of some CDSSs for HIV treatment would be significantly improved by using the knowledge obtained by treating other patients. This knowledge, however, is mainly contained in patient records, whose usage is restricted due to privacy and confidentiality constraints.
METHODS: A treatment effectiveness measure, containing valuable inf
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.
PURPOSE: Multimorbidity and polypharmacy are increasingly prevalent in the older population and are associated with a higher risk of potentially inappropriate medications (PIM), drug-drug interactions (DDI), and adverse drug reactions (ADR). Although medication review (MR) and deprescribing are effective strategies, their manual implementation can be complex, time-consuming, and prone to clinical variability. Clinical Decision Support Systems (CDSS) offer advanced digital solutions to optimize polypharmacy by analyzing multidimensional clinical data and generating personalized recommendations.
СтатьяОбзорПоиск 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: Chronic kidney disease (CKD), a major public health problem with differing disease etiologies, leads to complications, comorbidities, polypharmacy, and mortality. Monitoring disease progression and personalized treatment efforts are crucial for long-term patient outcomes. Physicians need to integrate different data levels, e.g., clinical parameters, biomarkers, and drug information, with medical knowledge. Clinical decision support systems (CDSS) can tackle these issues and improve patient management. Knowledge about the awareness and implementation of CDSS in Germany within the fi
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.
CONTEXT: Clinical decision support systems (CDSSs) can help clinicians assess cardiovascular disease (CVD) risk and manage CVD risk factors by providing tailored assessments and treatment recommendations based on individual patient data. The goal of this systematic review was to examine the effectiveness of CDSSs in improving screening for CVD risk factors, practices for CVD-related preventive care services such as clinical tests and prescribed treatments, and management of CVD risk factors.
EVIDENCE ACQUISITION: An existing systematic review (search period, January 1975-January 2011) of CDSS
СтатьяПоддержка исследования: вне правительства СШАСистематический 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: Computer-based clinical decision support (CDS) systems have been shown to improve quality of care and workflow efficiency, and health care reform legislation relies on electronic health records and CDS systems to improve the cost and quality of health care in the United States; however, the heterogeneity of CDS content and infrastructure of CDS systems across sites is not well known.
OBJECTIVE: We aimed to determine the scope of CDS content in diabetes care at six sites, assess the capabilities of CDS in use at these sites, characterize the scope of CDS infrastructure at these sit
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.
INTRODUCTION: Clinical decision support (CDS) is increasingly delivered through distributed architectures that connect electronic health record (EHR) workflows to external services and community partners. While these designs enable rapid deployment and interoperability, they also introduce new failure modes that can silently disrupt time‑sensitive care processes. Practical, real‑world descriptions of these distributed CDS malfunctions remain limited.
CASE REPORT: We describe 3 malfunctions in a distributed CDS system used to support smoking cessation referrals. The issues reflected common dis
СтатьяКлинический случайПоиск 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: Workforce shortages and rising demand for MRI have increased interest in clinical decision support systems (CDSSs) to standardise imaging workflows. The Prostate Imaging-Reporting and Data System (PI-RADS) committee recommends real-time radiologist input to guide MRI pathways, but workforce constraints may limit consistent implementation. This systematic review examined CDSSs used in prostate MRI, including decision tools, nomograms, and risk calculators, to identify the clinical and MRI-derived variables they incorporate and assess their relevance for future development.
METHOD
СтатьяСистематический обзорПоддержка 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.
BACKGROUND: Some drugs have a narrow therapeutic range and require monitoring and dose adjustments to optimize their efficacy and safety. Computerized clinical decision support systems (CCDSSs) may improve the net benefit of these drugs. The objective of this review was to determine if CCDSSs improve processes of care or patient outcomes for therapeutic drug monitoring and dosing.
METHODS: We conducted a decision-maker-researcher partnership systematic review. Studies from our previous review were included, and new studies were sought until January 2010 in MEDLINE, EMBASE, Evidence-Based Medi
СтатьяПоддержка исследования: вне правительства СШАСистематический обзорПоиск 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.
Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference2021eng
Tinnitus is the perception of a phantom sound and the individual's reaction to it. Although much progress has been made, tinnitus remains an unresolved scientific and clinical issue, affecting more than 10% of the general population and having a high prevalence and socioeconomic burden. Clinical decision support systems (CDSS) are used to assist clinicians in their complex decision-making processes, having been proved that they improve healthcare delivery. In this paper, we present a CDSS for tinnitus, attempting to address the question which treatment approach is optimal for a particular pati
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.
In-vitro fertilization (IVF) has become standard practice to address infertility, which affects more than one in ten couples in the US. However, current protocols yield relatively low success rates of about 20% per treatment cycle. A critical but complex and time-consuming step is the grading and selection of embryos for implantation. Although incubators with time-lapse microscopy have enabled computational analysis of embryo development, existing automated approaches either require extensive manual annotations or use opaque deep learning models that are hard for clinicians to validate and tru
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.