Machine Learning Methods for Mortality Prediction in Patients with ST Elevation Myocardial Infarction
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F12%3A00380997" target="_blank" >RIV/67985556:_____/12:00380997 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/61384399:31160/12:00041209
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Machine Learning Methods for Mortality Prediction in Patients with ST Elevation Myocardial Infarction
Popis výsledku v původním jazyce
ST Elevation Myocardial Infarction (STEMI) is the leading cause of death in developed countries. The objective of our research is to design and verify a predictive model of hospital mortality in STEMI based on clinical data about patients that could serve as a benchmark for evaluation of healthcare providers. In this paper we present results of an experimental evaluation of different machine learning methods on a real data about 603 patients from University Hospital in Olomouc.
Název v anglickém jazyce
Machine Learning Methods for Mortality Prediction in Patients with ST Elevation Myocardial Infarction
Popis výsledku anglicky
ST Elevation Myocardial Infarction (STEMI) is the leading cause of death in developed countries. The objective of our research is to design and verify a predictive model of hospital mortality in STEMI based on clinical data about patients that could serve as a benchmark for evaluation of healthcare providers. In this paper we present results of an experimental evaluation of different machine learning methods on a real data about 603 patients from University Hospital in Olomouc.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JD - Využití počítačů, robotika a její aplikace
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GA201%2F08%2F0539" target="_blank" >GA201/08/0539: Struktury podmíněné nezávislosti: grafické a algebraické přístupy</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2012
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of The Ninth Workshop on Uncertainty Processing
ISBN
978-80-245-1885-5
ISSN
—
e-ISSN
—
Počet stran výsledku
10
Strana od-do
204-213
Název nakladatele
Faculty of Management, University of Economics, Prague
Místo vydání
Prague
Místo konání akce
Mariánské Lázně
Datum konání akce
12. 9. 2012
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—