Development and validation of explainable machine learning models to predict the risk of adjacent segment disease after lumbar fusion surgery
0Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : cn. 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
- Development and validation of explainable machine learning models to predict the risk of adjacent segment disease after lumbar fusion surgery
- Date Crossref
- 21/09/2026
- Éditeur
- Springer Science and Business Media LLC
- 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
-
Capital Medical University Beijing Chao-Yang Hospital pays non établi dans la noticeÉtablissement de santé
-
Capital University of Economics and Business pays non établi dans la noticeUniversité ou école supérieure
-
Beijing Chao-Yang Hospital Department of Orthopedic Surgery pays non établi dans la noticeÉtablissement de santé
-
School of Statistics pays non établi dans la noticeUniversité ou école supérieure
Beijing Chao-Yang Hospital — Capital Medical University, Capital University of Economics and Business et Department of Orthopedic Surgery — Beijing Chao-Yang Hospital, avec 1 autre affiliation.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Medical Imaging and AnalysisSpine and Intervertebral Disc PathologyCervical and Thoracic Myelopathy