Predicting methylphenidate intake through machine learning: behavioral and physiological characterization based on a smartwatch in children and adolescents with ADHD
0Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
2Pays d’affiliation déclarés
Rattachement africain : it, il. 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
- Predicting methylphenidate intake through machine learning: behavioral and physiological characterization based on a smartwatch in children and adolescents with ADHD
- Date Crossref
- 01/01/2024
- 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.
Où se fait cette recherche
-
IRCCS Eugenio Medea pays non établi dans la noticeStructure de recherche
-
Ben-Gurion University of the Negev pays non établi dans la noticeUniversité ou école supérieure
-
Scientific Institute IRCCS 'E. MEDEA' pays non établi dans la noticeStructure de recherche
IRCCS Eugenio Medea, Ben-Gurion University of the Negev et Scientific Institute IRCCS 'E. MEDEA'.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Attention Deficit Hyperactivity Disorder