Integrative Machine Learning Models Identify Predictors of Severe Post-Transplant Complications in Pediatric Patients: Toward Multimodal Prediction
0Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : 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
- Integrative Machine Learning Models Identify Predictors of Severe Post-Transplant Complications in Pediatric Patients: Toward Multimodal Prediction
- Date Crossref
- 01/02/2026
- 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
Hematopoietic Stem Cell TransplantationChildhood Cancer Survivors' Quality of LifeAcute Myeloid Leukemia Research