A clinically applicable approach to continuous prediction of future acute kidney injury
1148Citations signalées, ce qui n’est pas une note de qualité
7Institutions déclarées
2Pays d’affiliation déclarés
Rattachement africain : gb, us. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- A clinically applicable approach to continuous prediction of future acute kidney injury
- Date Crossref
- 31/07/2019
- Éditeur
- Springer Science and Business Media LLC
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Google DeepMind (United Kingdom) pays non établi dans la noticeEntreprise
-
Google (United Kingdom) pays non établi dans la noticeEntreprise
-
University College London Computer Science pays non établi dans la noticeUniversité ou école supérieure
-
Royal London Hospital pays non établi dans la noticeÉtablissement de santé
-
University of Utah Division of Epidemiology pays non établi dans la noticeUniversité ou école supérieure
-
VA Salt Lake City Healthcare System pays non établi dans la noticeÉtablissement de santé
-
University of Nevada pays non établi dans la noticeUniversité ou école supérieure
-
Department of Veterans Affairs pays non établi dans la noticeInstitution
Google DeepMind (United Kingdom), Google (United Kingdom) et Computer Science — University College London, avec 5 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Machine Learning in HealthcareSepsis Diagnosis and TreatmentChronic Kidney Disease and Diabetes