Developing and evaluating a machine-learning-based algorithm to predict the incidence and severity of ARDS with continuous non-invasive parameters from ordinary monitors and ventilators.

Wu, Wenzhu; Wang, Yalin; Tang, Junquan; Yu, Ming; Yuan, Jing; Zhang, Guang

Wu, Wenzhu; Wang, Yalin; Tang, Junquan; Yu, Ming; Yuan, Jing; Zhang, Guang.

Afiliação

Wu W; Chongqing Medical and Pharmaceutical College, Chongqing, China.
Wang Y; Department of Medical Engineering, Medical Supplies Center of PLA General Hospital, Beijing, China.
Tang J; Chongqing Medical and Pharmaceutical College, Chongqing, China.
Yu M; Institute of Medical Support Technology, Tianjin, China.
Yuan J; Institute of Medical Support Technology, Tianjin, China.
Zhang G; Institute of Medical Support Technology, Tianjin, China.

Comput Methods Programs Biomed ; 230: 107328, 2023 Mar.

Article em En | MEDLINE | ID: mdl-36640602

Assuntos

Síndrome do Desconforto Respiratório; Humanos; Incidência; Síndrome do Desconforto Respiratório/diagnóstico; Síndrome do Desconforto Respiratório/epidemiologia; Síndrome do Desconforto Respiratório/terapia; Ventiladores Mecânicos; Aprendizado de Máquina; Algoritmos

Palavras-chave

Clinical non-invasive monitoring; Dynamic early warning system; Electronic medical records; Machine learning; Severity of acute respiratory distress syndrome

Texto completo

Imprimir

XML

PubMed Links

Buscar no Google

Texto completo: 1 Coleções: 01-internacional Base de dados: MEDLINE Assunto principal: Síndrome do Desconforto Respiratório Tipo de estudo: Diagnostic_studies / Incidence_studies / 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