搜索文章

查看帮助文章搜索中的查询

搜索结果(56条结果中1至10条)

下载搜索结果:CSV结束助理RIS


韩国军队医院COVID-19预后预测和监测解决方案:应用程序的开发和评估

韩国军队医院COVID-19预后预测和监测解决方案:应用程序的开发和评估

理想情况下,预测模型应基于涵盖多个国家和种族的大型数据集,以便进行广泛的适应。其中四项研究提出了可用于临床实践的模型(如决策树、nomogram和评分规则)[14,16,17,21]。当一个预测模型是在现实世界中开发和部署的,需要考虑多种因素。

JoonNyung Heo朴智爱Deokjae汉Hyung-Jun金Daeun安Beomman哈Woong Seog玉让公园

中国医学网络杂志2020;22(11):e22131


数据分析和大数据如何帮助科学家管理COVID-19扩散:预测COVID-19在意大利和伦巴第地区扩散的建模研究

数据分析和大数据如何帮助科学家管理COVID-19扩散:预测COVID-19在意大利和伦巴第地区扩散的建模研究

需要强调的是,该模型专注于预测而不是官方COVID-19检测呈阳性的确切人数,众所周知,这一数字取决于分析的拭子检测数量。我们的初步估计是基于大流行期间最初几天分析的拭子检测数量。

大卫。托西亚历桑德罗皮

中国医学杂志,2020;22(10):e21081


重症监护中的失代偿:急性心力衰竭发病的早期预测

重症监护中的失代偿:急性心力衰竭发病的早期预测

在这项工作中,我们提出了机器学习技术的应用预测失代偿在危重护理设置使用急性心力衰竭发作作为预测结果[6]。

帕特里克的文章Baran巴尔干半岛Vignesh Subbian

JMIR Med Inform 2020;8(8):e19892


从电子健康记录预测成人当前糖化血红蛋白水平:多元逻辑回归算法的验证

从电子健康记录预测成人当前糖化血红蛋白水平:多元逻辑回归算法的验证

但是,可以避免转换任务以降低数据预处理的复杂性,因为它不应该影响预测逻辑回归模型的表现。数据集预处理细节。糖化血红蛋白。

Zakhriya Alhassan大卫BudgenRiyad AlshammariNoura Al Moubayed

JMIR Med Inform 2020;8(7):e18963


关于“肺癌1年发病风险预测:使用缅因州电子健康记录的前瞻性研究”的评论

关于“肺癌1年发病风险预测:使用缅因州电子健康记录的前瞻性研究”的评论

作者旨在开发和验证一种潜在风险预测在普通人群中识别未来1年内有新发肺癌风险的患者的模型。他们使用了个人患者电子健康记录(EHRs)的数据,这些数据是从缅因州健康信息交换网络中提取出来的。

贾马尔压力罗亚卡里尤瑟夫造成损失Siamak Sabour

中国医学杂志,2020;22(9):e14944


基于临床血液检测数据预测COVID-19疾病严重程度的机器学习方法:统计分析和模型开发

基于临床血液检测数据预测COVID-19疾病严重程度的机器学习方法:统计分析和模型开发

血红蛋白、降钙素原、红细胞沉降率、脑利钠肽、铁蛋白、d -二聚体和血小板的水平也与正常对照组有显著差异预测疾病的严重程度其他参数,即呼吸频率、乳酸、血压(收缩压和舒张压)、红细胞压积、静脉和动脉碱过剩、中性粒细胞、白蛋白和尿素,表现出不太明显的偏差,但显然具有预测价值。

Sakifa兹Md Martuza AhamadMd Rashed-Al-MahfuzAKM AzadShahadat Uddin阿卡迈勒Salem A AlyamiPing-I林谢赫·穆罕默德·伊斯兰朱利安·MW·奎恩Valsamma Eapen穆罕默德·阿里·莫尼

JMIR Med Inform 2021;9(4):e25884


改善成人当前糖化血红蛋白预测:使用机器学习算法与电子健康记录

改善成人当前糖化血红蛋白预测:使用机器学习算法与电子健康记录

这些任务包括分析复杂的模式和预测主要医学事件(如诊断成像和基因相互作用)[8,9]。一些研究已经证明了电子病历数据的成功应用预测模型[10]。例如,机器学习与EHR数据被广泛应用于糖尿病诊断和发现其相关模式[11-15]。

Zakhriya Alhassan马修·沃森大卫BudgenRiyad Alshammari阿里AlessaNoura Al Moubayed

JMIR Med Inform 2021;9(5):e25237


Baidu
map