Your browser doesn't support javascript.
loading
Use of Machine Learning to Develop and Evaluate Models Using Preoperative and Intraoperative Data to Identify Risks of Postoperative Complications.
Xue, Bing; Li, Dingwen; Lu, Chenyang; King, Christopher R; Wildes, Troy; Avidan, Michael S; Kannampallil, Thomas; Abraham, Joanna.
Afiliação
  • Xue B; Department of Electrical and Systems Engineering, McKelvey School of Engineering, Washington University in St Louis, St Louis, Missouri.
  • Li D; Department of Computer Science and Engineering, McKelvey School of Engineering, Washington University in St Louis, St Louis, Missouri.
  • Lu C; Department of Electrical and Systems Engineering, McKelvey School of Engineering, Washington University in St Louis, St Louis, Missouri.
  • King CR; Department of Computer Science and Engineering, McKelvey School of Engineering, Washington University in St Louis, St Louis, Missouri.
  • Wildes T; Institute for Informatics, Washington University in St Louis School of Medicine, St Louis, Missouri.
  • Avidan MS; Department of Anesthesiology, Washington University in St Louis School of Medicine, St Louis, Missouri.
  • Kannampallil T; Department of Anesthesiology, Washington University in St Louis School of Medicine, St Louis, Missouri.
  • Abraham J; Department of Anesthesiology, Washington University in St Louis School of Medicine, St Louis, Missouri.
JAMA Netw Open ; 4(3): e212240, 2021 03 01.
Article em En | MEDLINE | ID: mdl-33783520
Assuntos
Texto completo
Adicionar na Minha BVS
Imprimir
XML
PubMed Links
Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Complicações Pós-Operatórias / Medição de Risco / Sistemas de Apoio a Decisões Clínicas / Aprendizado de Máquina Tipo de estudo: Etiology_studies / Incidence_studies / Observational_studies / Prognostic_studies / Risk_factors_studies Limite: Female / Humans / Male / Middle aged País/Região como assunto: America do norte Idioma: En Revista: JAMA Netw Open Ano de publicação: 2021 Tipo de documento: Article País de publicação: Estados Unidos
Texto completo
Adicionar na Minha BVS
Imprimir
XML
PubMed Links
Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Complicações Pós-Operatórias / Medição de Risco / Sistemas de Apoio a Decisões Clínicas / Aprendizado de Máquina Tipo de estudo: Etiology_studies / Incidence_studies / Observational_studies / Prognostic_studies / Risk_factors_studies Limite: Female / Humans / Male / Middle aged País/Região como assunto: America do norte Idioma: En Revista: JAMA Netw Open Ano de publicação: 2021 Tipo de documento: Article País de publicação: Estados Unidos