Preliminary results to predict tuberculosis outcomes applying traditional and automated machine learning models (2023)
- Authors:
- USP affiliated authors: ALVES, DOMINGOS - FMRP ; MOZINI, MARIANA TAVARES - FMRP ; SEGAMARCHI, RENAN BARBIERI - FMRP ; MARTINS, PEDRO EMILIO ANDRADE - FMRP ; MIOTO, ANA CLARA DE ANDRADE - Interunidades em Bioengenharia ; SOARES, GIOVANE THOMAZINI - FMRP ; CASSÃO, VICTOR - Interunidades em Bioengenharia
- Unidades: FMRP; Interunidades em Bioengenharia
- DOI: 10.1016/j.procs.2023.01.424
- Subjects: TUBERCULOSE; APRENDIZADO COMPUTACIONAL; PLANOS E PROGRAMAS DE SAÚDE; INFORMAÇÃO EM SAÚDE
- Keywords: Tuberculosis; Bad Outcomes; Machine Learning; Automate modeling
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Procedia Computer Science
- ISSN: 1877-0509
- Volume/Número/Paginação/Ano: v. 219, p. 1365-1372, 2023
- Conference titles: International Conference on ENTERprise Information Systems - CENTERIS
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
-
ABNT
MIOTO, Ana Clara de Andrade et al. Preliminary results to predict tuberculosis outcomes applying traditional and automated machine learning models. Procedia Computer Science. Amsterdam: Faculdade de Medicina de Ribeirão Preto, Universidade de São Paulo. Disponível em: https://doi.org/10.1016/j.procs.2023.01.424. Acesso em: 30 dez. 2025. , 2023 -
APA
Mioto, A. C. de A., Mozini, M. T., Segamarchi, R. B., Soares, G. T., Martins, P. E. A., Cassão, V., et al. (2023). Preliminary results to predict tuberculosis outcomes applying traditional and automated machine learning models. Procedia Computer Science. Amsterdam: Faculdade de Medicina de Ribeirão Preto, Universidade de São Paulo. doi:10.1016/j.procs.2023.01.424 -
NLM
Mioto AC de A, Mozini MT, Segamarchi RB, Soares GT, Martins PEA, Cassão V, Ferrassini LGB, Miyoshi NSB, Alves D, Oliveira LL de. Preliminary results to predict tuberculosis outcomes applying traditional and automated machine learning models [Internet]. Procedia Computer Science. 2023 ; 219 1365-1372.[citado 2025 dez. 30 ] Available from: https://doi.org/10.1016/j.procs.2023.01.424 -
Vancouver
Mioto AC de A, Mozini MT, Segamarchi RB, Soares GT, Martins PEA, Cassão V, Ferrassini LGB, Miyoshi NSB, Alves D, Oliveira LL de. Preliminary results to predict tuberculosis outcomes applying traditional and automated machine learning models [Internet]. Procedia Computer Science. 2023 ; 219 1365-1372.[citado 2025 dez. 30 ] Available from: https://doi.org/10.1016/j.procs.2023.01.424 - Unsupervised analysis of COVID-19 pandemic evolution in brazilian states: vaccination scenario
- A computational infrastructure for analyzing tuberculosis research data in Brazil
- OUTB: application for decision-support in the outcomes of Tuberculosis
- Unsupervised K-means analysis of tuberculosis data in Brazil: identifying high prevalence states and temporal trends
- Scaling laws and spatial effects of Brazilian health regions: a research protocol
- Unsupervised analysis of COVID-19 pandemic evolution in brazilian states
- Avaliação paradigmática da saúde paulista sob as lentes da complexidade
- Quality analysis and study of tuberculosis diagnostic data
- Estudo e aplicações de técnicas de aprendizado de máquina na análise de desfechos inesperados de tuberculose
- Desenvolvimento e aplicação de ferramentas de aprendizado de máquina para extração de conhecimento em banco de dados de resistência a drogas para tuberculose (TB)
Informações sobre o DOI: 10.1016/j.procs.2023.01.424 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
003200111.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
