搜索文章

在帮助文章搜索中查看查询

搜寻结果(56项结果中的1至10项)

下载搜寻结果:CSV结束助理RIS


韩国军队医院COVID-19结局预测与监测解决方案:开发与应用评估

韩国军队医院COVID-19结局预测与监测解决方案:开发与应用评估

理想情况下,预测模型应基于覆盖多个国家和种族的大型数据集,以便进行大规模适应。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]。当一个预测模型在现实世界中开发和部署时,应考虑多种因素。

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

中国医学与互联网杂志,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在意大利和伦巴第大区扩散的建模研究

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在意大利和伦巴第大区扩散的建模研究

需要强调的是,该模型关注的是预测而不是COVID-19正式检测呈阳性的确切人数,众所周知,这个数字取决于分析的拭子测试的数量。我们的初步估计是基于大流行时期最初几天分析的拭子检测次数。

大卫。托西亚历桑德罗皮

医学与互联网学报,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,我们介绍了机器学习技术的应用,以急性心力衰竭发病为指标,预测重症监护环境中的失代偿预测结果[6]。

帕特里克的文章Baran巴尔干半岛Vignesh Subbian

中华医学杂志,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:多重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:多重逻辑回归算法的验证

但是,可以避免转换任务以减少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性能。数据集预处理细节。A1c:糖化血红蛋白。

Zakhriya Alhassan大卫BudgenRiyad AlshammariNoura Al Moubayed

中华医学杂志,2020;8(7):18963


对“预测肺癌发生的1年风险:使用缅因州电子健康记录的前瞻性研究”的评论

对“预测肺癌发生的1年风险:使用缅因州电子健康记录的前瞻性研究”的评论

作者的目的是开发和验证一种潜在的风险预测在普通人群中确定未来1年内有新发肺癌风险的患者模型。他们使用的数据来自个人患者电子健康记录(EHRs),这些数据是从缅因州健康信息交换网络中提取的。

贾马尔压力罗亚卡里尤瑟夫造成损失Siamak Sabour

医学与互联网学报,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 -二聚体和血小板水平同样与正常对照组有显著差异预测疾病严重程度。其他参数,即呼吸频率、乳酸、血压(收缩压和舒张压)、血细胞比容、静脉和动脉基础过剩、中性粒细胞、白蛋白和尿素,偏差不太明显,但显然具有预测价值。

Sakifa兹Martuza Ahamad博士Md Rashed-Al-MahfuzAKM AzadShahadat Uddin阿卡迈勒塞勒姆·阿利亚米Ping-I林谢赫·穆罕默德·沙里夫·伊斯兰朱利安·奎恩Valsamma Eapen穆罕默德·阿里·莫尼

中国生物医学工程学报;2011;31 (4):888 - 888


改进当前成人糖化血红蛋白预测:使用电子健康记录的机器学习算法

改进当前成人糖化血红蛋白预测:使用电子健康记录的机器学习算法

这些任务包括分析复杂的模式和预测重大医学事件(例如,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,机器学习已被广泛用于诊断糖尿病并发现其相关模式的电子病历数据[11-15]。

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

中国生物医学工程学报;2011;31 (5):563 - 567


Baidu
map