首页> 外文OA文献 >Developing Machine Learning Models to Identify Acute Respiratory Distress Syndrome Criteria in Electronic Health Records

【2h】

Developing Machine Learning Models to Identify Acute Respiratory Distress Syndrome Criteria in Electronic Health Records

机译：开发机器学习模型，以确定电子健康记录中的急性呼吸窘迫综合征标准

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
A. Modi; H. Lee; M. Bechel; O. Keaveny; L.A.N. Amaral; C.H. Weiss;
展开▼
作者单位

展开▼
年度 2020
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. Heterogeneous effects of alveolar recruitment in acute respiratory distress syndrome: a machine learning reanalysis of the Alveolar Recruitment for Acute Respiratory Distress Syndrome Trial [J] . Zampieri Fernando G., Costa Eduardo L., Iwashyna Theodore J., British journal of anaesthesia . 2019,第1期

机译：肺泡募集在急性呼吸窘迫综合征中的异质作用：急性呼吸窘迫综合征试验肺泡募集机的机器学习重新分析
2. Predictive model for acute respiratory distress syndrome events in ICU patients in China using machine learning algorithms: a secondary analysis of a cohort study [J] . Xian-Fei Ding, Jin-Bo Li, Huo-Yan Liang, Journal of Translational Medicine . 2019,第1期

机译：使用机器学习算法的中国ICU患者急性呼吸窘迫综合征事件的预测模型：一项队列研究的二级分析
3. Development and validation of machine learning models to identify high-risk surgical patients using automatically curated electronic health record data (Pythia): A retrospective, single-site study [J] . Kristin M. Corey, Sehj Kashyap, Elizabeth Lorenzi, PLoS Medicine . 2018,第11期

机译：使用自动整理的电子健康记录数据（Pythia）开发和验证机器学习模型，以识别高危手术患者：回顾性，单点研究
4. Modelling ICU Patients to Improve Care Requirements and Outcome Prediction of Acute Respiratory Distress Syndrome: A Supervised Learning Approach [C] . Mohammed Sayed, David Riano Conference on Artificial Intelligence in Medicine . 2019

机译：对ICU患者进行建模以改善护理需求和急性呼吸窘迫综合征的结果预测：一种有监督的学习方法
5. Machine Learning Methods to Identify Hidden Phenotypes in the Electronic Health Record [D] . Beaulieu-Jones, Brett Kreigh. 2017

机译：机器学习方法来识别电子病历中的隐藏表型
6. Development and validation of machine learning models to identify high-risk surgical patients using automatically curated electronic health record data (Pythia): A retrospective single-site study [O] . Kristin M. Corey, Sehj Kashyap, Elizabeth Lorenzi, 2018

机译：使用自动整理的电子健康记录数据（Pythia）开发和验证机器学习模型以识别高危手术患者：回顾性单点研究
7. A quantitative approach for the analysis of clinician recognition of acute respiratory distress syndrome using electronic health record data [O] . Meagan A. Bechel, Adam R. Pah, Hanyu Shi, 2019

机译：用电子健康记录数据分析临床医生识别急性呼吸窘迫综合征的定量方法

Developing Machine Learning Models to Identify Acute Respiratory Distress Syndrome Criteria in Electronic Health Records

著录项

引文网络

相似文献

相关主题

期刊订阅