Global performance of machine learning models to predict all-cause mortality: systematic review and meta-analysis (2025)
- Authors:
- USP affiliated authors: CHIAVEGATTO FILHO, ALEXANDRE DIAS PORTO - FSP ; PIMENTA, LUDMILA PEREIRA - FSP ; VICTOR, AUDÊNCIO - FSP ; MOURA, KEISYANNE DE ARAUJO - FSP
- Unidade: FSP
- DOI: 10.1038/s41598-025-26714-6
- Subjects: APRENDIZADO COMPUTACIONAL; MORTALIDADE; PREDIÇÃO; REVISÃO SISTEMÁTICA
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Scientific Reports
- ISSN: 2045-2322
- Volume/Número/Paginação/Ano: v.15, n.1, on-line, 2025
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
DELPINO, Felipe Mendes et al. Global performance of machine learning models to predict all-cause mortality: systematic review and meta-analysis. Scientific Reports, v. 15, n. 1, 2025Tradução . . Disponível em: https://repositorio.usp.br/directbitstream/1d1d4993-d23b-4e0a-bdfd-7738d008de37/HEP_79_2025.pdf. Acesso em: 08 abr. 2026. -
APA
Delpino, F. M., Pimenta, L. P., Gonzalez, D. F., Victor, A., Araújo, C. F., Araújo-Moura, K., et al. (2025). Global performance of machine learning models to predict all-cause mortality: systematic review and meta-analysis. Scientific Reports, 15( 1). doi:10.1038/s41598-025-26714-6 -
NLM
Delpino FM, Pimenta LP, Gonzalez DF, Victor A, Araújo CF, Araújo-Moura K, Miranda JJ, Batista SRR, Chiavegatto Filho ADP, Nunes BP. Global performance of machine learning models to predict all-cause mortality: systematic review and meta-analysis [Internet]. Scientific Reports. 2025 ;15( 1):[citado 2026 abr. 08 ] Available from: https://repositorio.usp.br/directbitstream/1d1d4993-d23b-4e0a-bdfd-7738d008de37/HEP_79_2025.pdf -
Vancouver
Delpino FM, Pimenta LP, Gonzalez DF, Victor A, Araújo CF, Araújo-Moura K, Miranda JJ, Batista SRR, Chiavegatto Filho ADP, Nunes BP. Global performance of machine learning models to predict all-cause mortality: systematic review and meta-analysis [Internet]. Scientific Reports. 2025 ;15( 1):[citado 2026 abr. 08 ] Available from: https://repositorio.usp.br/directbitstream/1d1d4993-d23b-4e0a-bdfd-7738d008de37/HEP_79_2025.pdf - Ganho de peso gestacional e seus efeitos sobre crescimento fetal, desfechos neonatais e saúde mental materna: integração de modelos de machine learning e equações de estimação generalizadas em estudos de coorte em Araraquara e Jundiaí
- Prediction of Hypertension in the Pediatric Population Using Machine Learning and Transfer Learning: A Multicentric Analysis of the SAYCARE Study
- Prevalência de pressão arterial elevada e suas associações com fatores ambientais e estilo de vida em crianças da América do Sul no SAYCARE cohort study
- É acurada e válida a mensuração da pressão arterial por monitor automático na população pediátrica da América do Sul?: SAYCARE Study
- Psychometric Properties of Questionnaires to Assess the Family Food Environment in the Pediatric Population: A Systematic Review
- Inteligência artificial e saúde
- 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 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 | |
|---|---|---|---|
 |
HEP_79_2025.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
