کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6921389 | 864445 | 2015 | 12 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Pre-operative prediction of surgical morbidity in children: Comparison of five statistical models
ترجمه فارسی عنوان
پیشآزمون پیشآگهی درمورد موربیدیت جراحی در کودکان: مقایسه پنج مدل آماری
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
داده کاوی، فراگیری ماشین، پیش بینی، تقویت، جنگل های تصادفی، ماشین آلات بردار پشتیبانی، رگرسیون لجستیک، بیماری های جراحی، اطفال،
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Support vector machines, random forests, and boosted classification trees do not show better performance than LR for predicting pediatric surgical morbidity. After further validation, the flexible LR model derived in this study could be used to assist with clinical decision-making based on patient-specific surgical risks.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers in Biology and Medicine - Volume 57, 1 February 2015, Pages 54-65
Journal: Computers in Biology and Medicine - Volume 57, 1 February 2015, Pages 54-65
نویسندگان
Jennifer N. Cooper, Lai Wei, Soledad A. Fernandez, Peter C. Minneci, Katherine J. Deans,