2025
article
P1.11.66 Cost-Effective Machine Learning for Predicting Survival in NSCLC Patients on Immunotherapy: Insights From the APOLLO11 Study
V. Miskovic, L. Mazzeo, Carlo Silvestri, A. Ferrarin, Concetta Licciardello, Chiara Saracino, Emanuele Claudio Mingo, M. Fiorenti, Renata Marino Romano, A. Servetto, Carminia Maria Della Corte, Maria Silvia Cona, Nicola Verde, Claudia Bareggi, Matteo Brighenti, Federica Biello, Alfredo Tartarone, L. Antonuzzo, Leonardo Provenzano, A. Spagnoletti, B. Guirges, M. Ganzinelli, M. Meazza Prina, P. Ambrosini, Andrea Vingiani, T. Beninato, R. Serino, Chiara Cavalli, Emanuela Zito, R. di Mauro, A.D. Dumitrascu, G. Corrao, G. Di Liberti, M. Occhipinti, M. Brambilla, C. Agosta, C. Proto, Marina Chiara Garassino, Antonella Panzardi, Chiara Catania, Lucia Esposito, N. Salmistraro, S. Siena, E.G. Pizzutilo, D. Signorelli, Francesco Trovò, F.M. de Braud, A.L.G. Pedrocchi, G. Lo Russo, A. Prelaj
0Citations signalées, ce qui n’est pas une note de qualité
15Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : it.
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
- P1.11.66 Cost-Effective Machine Learning for Predicting Survival in NSCLC Patients on Immunotherapy: Insights From the APOLLO11 Study
- Date Crossref
- 01/10/2025
- 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 institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Cancer Immunotherapy and BiomarkersCancer Genomics and DiagnosticsLung Cancer Treatments and Mutations