Neonatal mortality prediction with routinely collected data: a machine learning approach (2021)
- Authors:
- USP affiliated authors: CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO - FSP ; DINIZ, CARMEN SIMONE GRILO - FSP ; BATISTA, ANDRÉ FILIPE DE MORAES - FSP
- Unidade: FSP
- DOI: 10.1186/s12887-021-02788-9
- Subjects: MORTALIDADE NEONATAL; INTELIGÊNCIA ARTIFICIAL; APRENDIZADO COMPUTACIONAL; NASCIMENTO; PREDIÇÃO; BRASIL
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher place: Reino Unido
- Date published: 2021
- Source:
- Título: BMC Pediatrics
- ISSN: 1471-2431
- Volume/Número/Paginação/Ano: v. 21, art. 322 [6p.], 2021
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by
-
ABNT
BATISTA, André Filipe de Moraes et al. Neonatal mortality prediction with routinely collected data: a machine learning approach. BMC Pediatrics, v. 21, p. art. 322 [6], 2021Tradução . . Disponível em: https://doi.org/10.1186/s12887-021-02788-9. Acesso em: 28 dez. 2025. -
APA
Batista, A. F. de M., Diniz, C. S. G., Bonilha, E. de A., Kawachi, I., & Chiavegatto Filho, A. D. P. (2021). Neonatal mortality prediction with routinely collected data: a machine learning approach. BMC Pediatrics, 21, art. 322 [6]. doi:10.1186/s12887-021-02788-9 -
NLM
Batista AF de M, Diniz CSG, Bonilha E de A, Kawachi I, Chiavegatto Filho ADP. Neonatal mortality prediction with routinely collected data: a machine learning approach [Internet]. BMC Pediatrics. 2021 ; 21 art. 322 [6].[citado 2025 dez. 28 ] Available from: https://doi.org/10.1186/s12887-021-02788-9 -
Vancouver
Batista AF de M, Diniz CSG, Bonilha E de A, Kawachi I, Chiavegatto Filho ADP. Neonatal mortality prediction with routinely collected data: a machine learning approach [Internet]. BMC Pediatrics. 2021 ; 21 art. 322 [6].[citado 2025 dez. 28 ] Available from: https://doi.org/10.1186/s12887-021-02788-9 - Predictors of tooth loss: A machine learning approach
- Physician preference for receiving machine learning predictive results: A cross-sectional multicentric study
- Data leakage in health outcomes prediction with machine learning
- A multipurpose machine learning approach to predict COVID-19 negative prognosis in São Paulo, Brazil
- Modelo de avaliação de conjuntos de dados científicos por meio da dimensão de veracidade dos dados
- IAs e ChatGPT: ética e segurança no uso de algoritmos
- Desigualdade de renda e doenças cardiovasculares no Brasil: uma análise multinível
- The epidemiology of personality disorders in the Sao Paulo Megacity general population
- Inteligência artificial pode melhorar decisões clínicas sobre tratamento no Brasil
- Determinants of the use of health care services: multilevel analysis in the Metropolitan Region of Sao Paulo
Informações sobre o DOI: 10.1186/s12887-021-02788-9 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
HCV_06_2021.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
