Aller au contenu principal
Accès ouvert déclaré 2025 preprint

Machine Learning Prediction of Surgical Site Infections Following Major Gastrointestinal Surgery: A Comprehensive Model Development and Validation Study in Yemeni Patients

0Citations signalées, ce qui n’est pas une note de qualité
4Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : ye. 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
Machine Learning Prediction of Surgical Site Infections Following Major Gastrointestinal Surgery: A Comprehensive Model Development and Validation Study in Yemeni Patients
Date Crossref
03/12/2025
Éditeur
Springer Science and Business Media LLC
Type
posted-content

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

  • Ibb University pays non établi dans la notice
    Université ou école supérieure
  • 21 September University for Medical and Applied Sciences pays non établi dans la notice
    Université ou école supérieure
  • Sana'a University pays non établi dans la notice
    Université ou école supérieure
  • Hajjah University pays non établi dans la notice
    Université ou école supérieure

Ibb University, 21 September University for Medical and Applied Sciences et Sana'a University, avec 1 autre affiliation.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Surgical site infection preventionEnhanced Recovery After SurgeryColorectal Cancer Surgical Treatments

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.