Too Many Definitions of Sepsis: Can Machine Learning Leverage the Electronic Health Record to Increase Accuracy and Bring Consensus?

Saria, Suchi; Henry, Katharine E

Saria, Suchi; Henry, Katharine E.

Afiliação

Saria S; Department of Computer Science, Johns Hopkins University; Department of Health Policy and Management, Johns Hopkins Bloomberg School of Public Health; and Machine Learning, Artificial Intelligence, and Health Care Lab, Johns Hopkins University, Baltimore, MD Department of Computer Science, Johns Hopkins University, Baltimore, MD.

Crit Care Med ; 48(2): 137-141, 2020 02.

Article em En | MEDLINE | ID: mdl-31939780

Assuntos

Registros Eletrônicos de Saúde; Aprendizado de Máquina; Sepse/diagnóstico; Indicadores Básicos de Saúde; Humanos; Reprodutibilidade dos Testes; Sepse/fisiopatologia

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Sepse / Registros Eletrônicos de Saúde / Aprendizado de Máquina Tipo de estudo: Etiology_studies / Risk_factors_studies Limite: Humans Idioma: En Ano de publicação: 2020 Tipo de documento: Article

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google