Machine learning for the prediction of volume responsiveness in patients with oliguric acute kidney injury in critical care.

Zhang, Zhongheng; Ho, Kwok M; Hong, Yucai

Zhang, Zhongheng; Ho, Kwok M; Hong, Yucai.

Afiliação

Zhang Z; Department of Emergency Medicine, Sir Run Run Shaw Hospital, Zhejiang University School of Medicine, No. 3, East Qingchun Road, Hangzhou, 310016, Zhejiang Province, China. zh_zhang1984@zju.edu.cn.
Ho KM; School of Population and Global Health, University of Western Australia, Perth, Australia.
Hong Y; Department of Emergency Medicine, Sir Run Run Shaw Hospital, Zhejiang University School of Medicine, No. 3, East Qingchun Road, Hangzhou, 310016, Zhejiang Province, China.

Crit Care ; 23(1): 112, 2019 Apr 08.

Article em En | MEDLINE | ID: mdl-30961662

Assuntos

Injúria Renal Aguda/complicações; Hidratação/instrumentação; Aprendizado de Máquina/normas; Oligúria/etiologia; Injúria Renal Aguda/fisiopatologia; Idoso; Idoso de 80 Anos ou mais; Cuidados Críticos/métodos; Cuidados Críticos/tendências; Feminino; Hidratação/métodos; Hidratação/normas; Humanos; Unidades de Terapia Intensiva/organização & administração; Unidades de Terapia Intensiva/estatística & dados numéricos; Modelos Logísticos; Aprendizado de Máquina/tendências; Masculino; Pessoa de Meia-Idade; Oligúria/fisiopatologia; Fatores de Tempo

Palavras-chave

Acute kidney injury; Critical care; Extreme gradient boosting; Predictive modeling; Urine output

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Oligúria / Injúria Renal Aguda / Hidratação / Aprendizado de Máquina Tipo de estudo: Prognostic_studies / Risk_factors_studies Limite: Aged / Aged80 / Female / Humans / Male / Middle aged Idioma: En Revista: Crit Care Ano de publicação: 2019 Tipo de documento: Article

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google