Machine-learning-derived sepsis bundle of care.

Kalimouttou, Alexandre; Lerner, Ivan; Cheurfa, Chérifa; Jannot, Anne-Sophie; Pirracchio, Romain

Kalimouttou, Alexandre; Lerner, Ivan; Cheurfa, Chérifa; Jannot, Anne-Sophie; Pirracchio, Romain.

Afiliação

Kalimouttou A; Inserm UMR 1153, Center of Research in Epidemiology and StatisticS (CRESS), ECSTRRA Team, Université Paris Cité and Université Sorbonne Paris Nord, 75004, Paris, France.
Lerner I; Department of Medical Informatics, Assistance Publique Hôpitaux de Paris-Centre (AP-HP), Georges Pompidou European Hospital, Paris, France.
Cheurfa C; Department of Medical Informatics, Assistance Publique Hôpitaux de Paris-Centre (AP-HP), Georges Pompidou European Hospital, Paris, France.
Jannot AS; Inserm, Centre de Recherche des Cordeliers, Sorbonne Université, Université Paris Cité, 75006, Paris, France.
Pirracchio R; HeKA, Inria Paris, 75015, Paris, France.

Intensive Care Med ; 49(1): 26-36, 2023 01.

Article em En | MEDLINE | ID: mdl-36446854

Assuntos

Sepse; Choque Séptico; Humanos; Choque Séptico/terapia; Estudos Retrospectivos; Tempo de Internação; Fidelidade a Diretrizes; Sepse/terapia; Unidades de Terapia Intensiva; Mortalidade Hospitalar

Palavras-chave

Compliance; Guidelines; Machine learning; Sepsis; Septic shock

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Base de dados: MEDLINE Assunto principal: Choque Séptico / Sepse Tipo de estudo: Guideline / Observational_studies / Prognostic_studies / Risk_factors_studies Limite: Humans Idioma: En Ano de publicação: 2023 Tipo de documento: Article

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google