Predicting asthma attacks using connected mobile devices and machine learning: the AAMOS-00 observational study protocol.

Tsang, Kevin Cheuk Him; Pinnock, Hilary; Wilson, Andrew M; Salvi, Dario; Shah, Syed Ahmar

Tsang, Kevin Cheuk Him; Pinnock, Hilary; Wilson, Andrew M; Salvi, Dario; Shah, Syed Ahmar.

Afiliación

Tsang KCH; Asthma UK Centre for Applied Research, Usher Institute, University of Edinburgh, Edinburgh, UK k.c.h.tsang@sms.ed.ac.uk.
Pinnock H; Medical Informatics, Usher Institute, University of Edinburgh, Edinburgh, UK.
Wilson AM; Asthma UK Centre for Applied Research, Usher Institute, University of Edinburgh, Edinburgh, UK.
Salvi D; Asthma UK Centre for Applied Research, Usher Institute, University of Edinburgh, Edinburgh, UK.
Shah SA; Norwich Medical School, University of East Anglia, Norwich, UK.

BMJ Open ; 12(10): e064166, 2022 10 03.

Article en En | MEDLINE | ID: mdl-36192103

Asunto(s)

Asma; Corticoesteroides; Asma/tratamiento farmacológico; Asma/epidemiología; Humanos; Aprendizaje Automático; Nebulizadores y Vaporizadores; Estudios Observacionales como Asunto; Teléfono Inteligente

Palabras clave

Asthma; Health informatics; Information technology; World Wide Web technology

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Colección: 01-internacional Banco de datos: MEDLINE Asunto principal: Asma Tipo de estudio: Observational_studies / Prognostic_studies / Risk_factors_studies Límite: Humans Idioma: En Revista: BMJ Open Año: 2022 Tipo del documento: Article País de afiliación: Reino Unido

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google