Predicting outcomes of acute kidney injury in critically ill patients using machine learning.

Nateghi Haredasht, Fateme; Viaene, Liesbeth; Pottel, Hans; De Corte, Wouter; Vens, Celine

Nateghi Haredasht, Fateme; Viaene, Liesbeth; Pottel, Hans; De Corte, Wouter; Vens, Celine.

Afiliação

Nateghi Haredasht F; KU Leuven, Campus KULAK - Department of Public Health and Primary Care, Etienne Sabbelaan 53, 8500, Kortrijk, Belgium. fateme.nateghi@kuleuven.be.
Viaene L; ITEC - imec and KU Leuven, Etienne Sabbelaan 51, 8500, Kortrijk, Belgium. fateme.nateghi@kuleuven.be.
Pottel H; Department of Nephrology, AZ Groeninge Hospital, President Kennedylaan 4, 8500, Kortrijk, Belgium.
De Corte W; KU Leuven, Campus KULAK - Department of Public Health and Primary Care, Etienne Sabbelaan 53, 8500, Kortrijk, Belgium.
Vens C; Department of Anesthesiology and Intensive Care Medicine, AZ Groeninge Hospital, President Kennedylaan 4, 8500, Kortrijk, Belgium.

Sci Rep ; 13(1): 9864, 2023 06 18.

Article em En | MEDLINE | ID: mdl-37331979

Assuntos

Injúria Renal Aguda; Insuficiência Renal Crônica; Humanos; Estado Terminal; Estudos Prospectivos; Injúria Renal Aguda/diagnóstico; Aprendizado de Máquina

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Insuficiência Renal Crônica / Injúria Renal Aguda Tipo de estudo: Diagnostic_studies / Observational_studies / Prognostic_studies / Risk_factors_studies Limite: Humans Idioma: En Revista: Sci Rep Ano de publicação: 2023 Tipo de documento: Article País de afiliação: Bélgica

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google