2022 article

Machine learning approach to predict pT3a upstaging of clinically localized renal cell carcinoma and oncological outcomes after surgery (UroCCR 15 study)

A. de Hauteclocque, L. Ferrer, D. Ambrosetti, S. Ricard, P. Bigot, K. Bensalah, A. Villers, F. Henon, N. Doumerc, A. Méjean, V. Verkarre, C. Dariane, S. Larré, C. Champy, A. De La Taille, F. Bruyère, M. Rouprêt, P. Paparel, S. Droupy, A. Fontenil, J.J. Patard, R. Boissier, M. Yacoub, T. Colin, Jean‐Christophe Bernhard

0Citations signalées, ce qui n’est pas une note de qualité

0Institutions déclarées

0Pays d’affiliation déclarés

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: Machine learning approach to predict pT3a upstaging of clinically localized renal cell carcinoma and oncological outcomes after surgery (UroCCR 15 study)
Date Crossref: 01/02/2022
Éditeur: Elsevier BV
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.

Les sujets associés

Renal cell carcinoma treatmentRadiomics and Machine Learning in Medical Imaging

Consulter la publication primaire Ouvrir le DOI