Machine learning prediction model of acute kidney injury after percutaneous coronary intervention.

Kuno, Toshiki; Mikami, Takahisa; Sahashi, Yuki; Numasawa, Yohei; Suzuki, Masahiro; Noma, Shigetaka; Fukuda, Keiichi; Kohsaka, Shun

Kuno, Toshiki; Mikami, Takahisa; Sahashi, Yuki; Numasawa, Yohei; Suzuki, Masahiro; Noma, Shigetaka; Fukuda, Keiichi; Kohsaka, Shun.

Afiliación

Kuno T; Division of Cardiology, Montefiore Medical Center, Albert Einstein College of Medicine, 111 East 210th St, Bronx, NY, 10467-2401, USA. tkuno@montefiore.org.
Mikami T; Department of Neurology, Tufts Medical Center, Boston, MA, USA.
Sahashi Y; Department of Cardiovascular Medicine, Gifu Heart Center, Gifu, Japan.
Numasawa Y; Department of Cardiology, Gifu University Graduate School of Medicine, Gifu, Japan.
Suzuki M; Department of Health Data Science, Graduate School of Data Science, Yokohama City University, Yokohama, Japan.
Noma S; Department of Cardiology, Japanese Red Cross Ashikaga Hospital, Ashikaga, Japan.
Fukuda K; Department of Cardiology, Saitama National Hospital, Wako, Japan.
Kohsaka S; Department of Cardiology, Saiseikai Utsunomiya Hospital, Utsunomiya, Japan.

Sci Rep ; 12(1): 749, 2022 01 14.

Article en En | MEDLINE | ID: mdl-35031637

Asunto(s)

Lesión Renal Aguda/etiología; Aprendizaje Automático; Intervención Coronaria Percutánea/efectos adversos; Complicaciones Posoperatorias/etiología; Anciano; Anciano de 80 o más Años; Área Bajo la Curva; Femenino; Predicción; Humanos; Japón; Modelos Logísticos; Masculino; Persona de Mediana Edad; Modelos Estadísticos; Sistema de Registros; Proyectos de Investigación; Riesgo

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Colección: 01-internacional Banco de datos: MEDLINE Asunto principal: Complicaciones Posoperatorias / Lesión Renal Aguda / Intervención Coronaria Percutánea / Aprendizaje Automático Tipo de estudio: Etiology_studies / Prognostic_studies / Risk_factors_studies Límite: Aged / Aged80 / Female / Humans / Male / Middle aged País/Región como asunto: Asia Idioma: En Revista: Sci Rep Año: 2022 Tipo del documento: Article País de afiliación: Estados Unidos

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google