Machine learning for longitudinal mortality risk prediction in patients with malignant neoplasm in São Paulo, Brazil (2023)
- Authors:
- USP affiliated authors: CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO - FSP ; SILVA, GABRIELA FIDELES - FSP
- Unidade: FSP
- DOI: 10.1016/j.ailsci.2023.100061
- Subjects: NEOPLASIAS; APRENDIZADO COMPUTACIONAL; MORTALIDADE; INTELIGÊNCIA ARTIFICIAL; PREDIÇÃO; BRASIL
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título do periódico: Artificial Intelligence in the Life Sciences
- ISSN: 2667-3185
- Volume/Número/Paginação/Ano: v.3, art. 100061 [8p.], 2023
- 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
SILVA, Gabriela Fideles et al. Machine learning for longitudinal mortality risk prediction in patients with malignant neoplasm in São Paulo, Brazil. Artificial Intelligence in the Life Sciences, v. 3, p. art. 100061 [8], 2023Tradução . . Disponível em: https://doi.org/10.1016/j.ailsci.2023.100061. Acesso em: 27 set. 2024. -
APA
Silva, G. F., Duarte, L. S., Shirassu, M. M., Peres, S. V., Moraes, M. A. de, & Chiavegatto Filho, A. D. P. (2023). Machine learning for longitudinal mortality risk prediction in patients with malignant neoplasm in São Paulo, Brazil. Artificial Intelligence in the Life Sciences, 3, art. 100061 [8]. doi:10.1016/j.ailsci.2023.100061 -
NLM
Silva GF, Duarte LS, Shirassu MM, Peres SV, Moraes MA de, Chiavegatto Filho ADP. Machine learning for longitudinal mortality risk prediction in patients with malignant neoplasm in São Paulo, Brazil [Internet]. Artificial Intelligence in the Life Sciences. 2023 ;3 art. 100061 [8].[citado 2024 set. 27 ] Available from: https://doi.org/10.1016/j.ailsci.2023.100061 -
Vancouver
Silva GF, Duarte LS, Shirassu MM, Peres SV, Moraes MA de, Chiavegatto Filho ADP. Machine learning for longitudinal mortality risk prediction in patients with malignant neoplasm in São Paulo, Brazil [Internet]. Artificial Intelligence in the Life Sciences. 2023 ;3 art. 100061 [8].[citado 2024 set. 27 ] Available from: https://doi.org/10.1016/j.ailsci.2023.100061 - The Impact of Time, Region, and Income Level on Stillbirth and Neonatal Mortality in Brazil from 2000-2019
- Inteligência artificial pode melhorar decisões clínicas sobre tratamento no Brasil
- Patterns and predictors of health service use among people with mental disorders in São Paulo metropolitan area, Brazil
- Standardization of the food composition database used in the Latin American nutrition and health study (ELANS)
- The epidemiology of personality disorders in the Sao Paulo Megacity general population
- Partos cesáreos e a escolha da data de nascimento no Município de São Paulo
- Determinants of the use of health care services: multilevel analysis in the Metropolitan Region of Sao Paulo
- Neighbourhood characteristics and mental disorders in three Chinese cities: multilevel models from the World Mental Health Surveys
- Desigualdade de renda e doenças cardiovasculares no Brasil: uma análise multinível
- IAs e ChatGPT: ética e segurança no uso de algoritmos
Informações sobre o DOI: 10.1016/j.ailsci.2023.100061 (Fonte: oaDOI API)
Download do texto completo
Tipo | Nome | Link | |
---|---|---|---|
HEP_14_2023.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas