Your browser doesn't support javascript.
loading
Data-driven methods for dengue prediction and surveillance using real-world and Big Data: A systematic review.
Sylvestre, Emmanuelle; Joachim, Clarisse; Cécilia-Joseph, Elsa; Bouzillé, Guillaume; Campillo-Gimenez, Boris; Cuggia, Marc; Cabié, André.
Afiliação
  • Sylvestre E; Université de Rennes, CHU Rennes, INSERM, LTSI - UMR 1099, Rennes, France.
  • Joachim C; CHU Martinique, Centre de Données Cliniques, Martinique, France.
  • Cécilia-Joseph E; CHU Martinique, Pôle de Cancérologie Hématologie Urologie, Registre Général des Cancers de la Martinique, Martinique, France.
  • Bouzillé G; CHU Martinique, Pôle de Cancérologie Hématologie Urologie, Martinique Cancer Data Hub, Martinique, France.
  • Campillo-Gimenez B; CHU Martinique, Centre de Données Cliniques, Martinique, France.
  • Cuggia M; Université de Rennes, CHU Rennes, INSERM, LTSI - UMR 1099, Rennes, France.
  • Cabié A; Université de Rennes, CHU Rennes, INSERM, LTSI - UMR 1099, Rennes, France.
PLoS Negl Trop Dis ; 16(1): e0010056, 2022 Jan.
Article em En | MEDLINE | ID: mdl-34995281

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Dengue / Big Data Tipo de estudo: Clinical_trials / Prognostic_studies / Risk_factors_studies / Screening_studies / Systematic_reviews Limite: Humans Idioma: En Ano de publicação: 2022 Tipo de documento: Article

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Dengue / Big Data Tipo de estudo: Clinical_trials / Prognostic_studies / Risk_factors_studies / Screening_studies / Systematic_reviews Limite: Humans Idioma: En Ano de publicação: 2022 Tipo de documento: Article