OA02.02 development of machine learning model to estimate overall survival in patients with advanced NSCLC and ECOG-PS > 1 (2021)
- Authors:
- USP affiliated authors: FUJITA, ANDRÉ - IME ; CARVALHO, VINÍCIUS JARDIM - Interunidades em Bioinformática
- Unidades: IME; Interunidades em Bioinformática
- DOI: 10.1016/j.jtho.2021.08.038
- Subjects: INTELIGÊNCIA ARTIFICIAL; CUIDADOS PALIATIVOS
- Language: Inglês
- Imprenta:
- Source:
- Título: Journal of Thoracic Oncology
- ISSN: 1556-0864
- Volume/Número/Paginação/Ano: v. 16, n. 10, Supplement, p. S850, 2021
- Conference titles: World Conference on Lung Cancer Worldwide
- Status:
- Artigo possui acesso gratuito no site do editor (Bronze Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
CUNHA, M et al. OA02.02 development of machine learning model to estimate overall survival in patients with advanced NSCLC and ECOG-PS > 1. Journal of Thoracic Oncology. New York: Instituto de Matemática e Estatística, Universidade de São Paulo. Disponível em: https://doi.org/10.1016/j.jtho.2021.08.038. Acesso em: 01 abr. 2026. , 2021 -
APA
Cunha, M., Borges, A. P., Carvalho, V. J., Fujita, A., & Castro, G. D. (2021). OA02.02 development of machine learning model to estimate overall survival in patients with advanced NSCLC and ECOG-PS > 1. Journal of Thoracic Oncology. New York: Instituto de Matemática e Estatística, Universidade de São Paulo. doi:10.1016/j.jtho.2021.08.038 -
NLM
Cunha M, Borges AP, Carvalho VJ, Fujita A, Castro GD. OA02.02 development of machine learning model to estimate overall survival in patients with advanced NSCLC and ECOG-PS > 1 [Internet]. Journal of Thoracic Oncology. 2021 ; 16( 10): S850.[citado 2026 abr. 01 ] Available from: https://doi.org/10.1016/j.jtho.2021.08.038 -
Vancouver
Cunha M, Borges AP, Carvalho VJ, Fujita A, Castro GD. OA02.02 development of machine learning model to estimate overall survival in patients with advanced NSCLC and ECOG-PS > 1 [Internet]. Journal of Thoracic Oncology. 2021 ; 16( 10): S850.[citado 2026 abr. 01 ] Available from: https://doi.org/10.1016/j.jtho.2021.08.038 - OA02.02 development of machine learning model to estimate overall survival in patients with advanced NSCLC and ECOG-PS > 1
- Computational tools for comparing gene coexpression networks
- Predicting survival in metastatic non‐small cell lung cancer patients with poor ECOG‐PS: a single‐arm prospective study
- A expressão de Epirregulina e o papel dual dos macrófagos pró-inflamátorios no microambiente tumoral de Carcinoma Pulmonar de Células Não Pequenas
- BioNetStat: uma ferramenta para análise diferencial de redes biológicas
- BioNetStat: a tool for biological networks differential analysis
- Impact of systemic inflammation, intramuscular adipose tissue content, and EORTC-QLQ-CAX24 symptom scale on the prognosis of patients with advanced non-small-cell lung cancer
- Deletion and low expression of NFKBIA are associated with poor prognosis in lower-grade glioma patients
- Conservative generalized bifurcation diagrams and phase space properties for oval-like billiards
- Computational statistics in biological big data: methods and applications
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3169117.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
