Multicenter comparative analysis of local and aggregated data training strategies in COVID-19 outcome prediction with Machine learning (2024)
- Authors:
- USP affiliated authors: CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO - FSP ; BARCELLOS FILHO, FABIANO NOVAES - FSP
- Unidade: FSP
- DOI: 10.1371/journal.pdig.0000699
- Subjects: COVID-19; APRENDIZADO COMPUTACIONAL; ESTUDOS MULTICÊNTRICOS; PREDIÇÃO
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Publisher place: San Francisco California
- Date published: 2024
- Source:
- Título: PLOS Digital Health
- ISSN: 2767-3170
- Volume/Número/Paginação/Ano: v.3, n.12, art. e0000699. [13p.], 2024
- 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
SAVALLI, Carine et al. Multicenter comparative analysis of local and aggregated data training strategies in COVID-19 outcome prediction with Machine learning. PLOS Digital Health, v. 3, n. 12, p. art. e0000699. [13], 2024Tradução . . Disponível em: https://doi.org/10.1371/journal.pdig.0000699. Acesso em: 04 dez. 2025. -
APA
Savalli, C., Wichmann, R. M., Barcellos Filho, F., Fernandes, F. T., & Chiavegatto Filho, A. D. P. (2024). Multicenter comparative analysis of local and aggregated data training strategies in COVID-19 outcome prediction with Machine learning. PLOS Digital Health, 3( 12), art. e0000699. [13]. doi:10.1371/journal.pdig.0000699 -
NLM
Savalli C, Wichmann RM, Barcellos Filho F, Fernandes FT, Chiavegatto Filho ADP. Multicenter comparative analysis of local and aggregated data training strategies in COVID-19 outcome prediction with Machine learning [Internet]. PLOS Digital Health. 2024 ;3( 12): art. e0000699. [13].[citado 2025 dez. 04 ] Available from: https://doi.org/10.1371/journal.pdig.0000699 -
Vancouver
Savalli C, Wichmann RM, Barcellos Filho F, Fernandes FT, Chiavegatto Filho ADP. Multicenter comparative analysis of local and aggregated data training strategies in COVID-19 outcome prediction with Machine learning [Internet]. PLOS Digital Health. 2024 ;3( 12): art. e0000699. [13].[citado 2025 dez. 04 ] Available from: https://doi.org/10.1371/journal.pdig.0000699 - Artificial intelligence for the diagnosis of erythematous-squamous dermatological diseases: technological contributions to primary care
- Transfer learning for COVID-19 predictive modeling: A multicenter study of 12 hospitals
- Predictive modeling of gestational weight gain: a machine learning multiclass classification study
- 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
- Neighbourhood characteristics and mental disorders in three Chinese cities: multilevel models from the World Mental Health Surveys
- Partos cesáreos e a escolha da data de nascimento no Município de São Paulo
Informações sobre o DOI: 10.1371/journal.pdig.0000699 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
HEP_32_2024.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
