Retrospective comparison of traditional and artificial intelligence-based heart failure phenotyping in a US health system to enable real-world evidence.

Garan, Arthur Reshad; Monda, Keri L; Dent-Acosta, Ricardo E; Riskin, Daniel J; Gluckman, Ty J

Garan, Arthur Reshad; Monda, Keri L; Dent-Acosta, Ricardo E; Riskin, Daniel J; Gluckman, Ty J.

Afiliación

Garan AR; Beth Israel Deaconess Medical Center, Department of Medicine, Division of Cardiology, Harvard Medical School, Boston, Massachusetts, USA agaran@bidmc.harvard.edu.
Monda KL; Amgen Inc, Thousand Oaks, California, USA.
Dent-Acosta RE; Amgen Inc, Thousand Oaks, California, USA.
Riskin DJ; Verantos, Menlo Park, California, USA.
Gluckman TJ; Center for Cardiovascular Analytics, Research and Data Science (CARDS), Providence Heart Institute, Providence Research Network, Portland, Oregon, USA.

BMJ Open ; 13(8): e073178, 2023 08 09.

Article en En | MEDLINE | ID: mdl-37558448

Asunto(s)

Inteligencia Artificial; Insuficiencia Cardíaca; Humanos; Estudios Retrospectivos; Volumen Sistólico; Función Ventricular Izquierda; Registros Electrónicos de Salud; Procesamiento de Lenguaje Natural

Palabras clave

cardiac epidemiology; health informatics; heart failure

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Colección: 01-internacional Banco de datos: MEDLINE Asunto principal: Inteligencia Artificial / Insuficiencia Cardíaca Tipo de estudio: Observational_studies / Prognostic_studies / Risk_factors_studies Límite: Humans Idioma: En Revista: BMJ Open Año: 2023 Tipo del documento: Article País de afiliación: Estados Unidos

Texto completo

Imprimir

XML

PubMed Links

Buscar en Google