ReP USP - Resultado da busca

Artigo de periodico
Multicenter comparative analysis of local and aggregated data training strategies in COVID-19 outcome prediction with Machine learning (2024)
Savalli, Carine ; Wichmann, Roberta Moreira ; Barcellos Filho, Fabiano; Fernandes, Fernando Timoteo ; Chiavegatto Filho, Alexandre Dias Porto
Source: PLOS Digital Health. Unidade: FSP
Subjects: COVID-19, APRENDIZADO COMPUTACIONAL, ESTUDOS MULTICÊNTRICOS, PREDIÇÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
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: 24 abr. 2026.
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 2026 abr. 24 ] 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 2026 abr. 24 ] Available from: https://doi.org/10.1371/journal.pdig.0000699
Artigo de periodico
Improving the performance of machine learning algorithms for health outcomes predictions in multicentric cohorts (2023)
Wichmann, Roberta Moreira ; Fernandes, Fernando Timoteo ; Chiavegatto Filho, Alexandre Dias Porto
Source: Scientific Reports. Unidade: FSP
Subjects: APRENDIZADO COMPUTACIONAL, ALGORITMOS, COVID-19, HOSPITAIS, ESTUDOS DE COORTES
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
WICHMANN, Roberta Moreira e FERNANDES, Fernando Timoteo e CHIAVEGATTO FILHO, Alexandre Dias Porto. Improving the performance of machine learning algorithms for health outcomes predictions in multicentric cohorts. Scientific Reports, v. 13, p. art. 1022 [8], 2023Tradução . . Disponível em: https://doi.org/10.1038/s41598-022-26467-6. Acesso em: 24 abr. 2026.
APA
Wichmann, R. M., Fernandes, F. T., & Chiavegatto Filho, A. D. P. (2023). Improving the performance of machine learning algorithms for health outcomes predictions in multicentric cohorts. Scientific Reports, 13, art. 1022 [8]. doi:10.1038/s41598-022-26467-6
NLM
Wichmann RM, Fernandes FT, Chiavegatto Filho ADP. Improving the performance of machine learning algorithms for health outcomes predictions in multicentric cohorts [Internet]. Scientific Reports. 2023 ;13 art. 1022 [8].[citado 2026 abr. 24 ] Available from: https://doi.org/10.1038/s41598-022-26467-6
Vancouver
Wichmann RM, Fernandes FT, Chiavegatto Filho ADP. Improving the performance of machine learning algorithms for health outcomes predictions in multicentric cohorts [Internet]. Scientific Reports. 2023 ;13 art. 1022 [8].[citado 2026 abr. 24 ] Available from: https://doi.org/10.1038/s41598-022-26467-6
Tese (Doutorado)
Machine learning em saúde e segurança do trabalhador : perspectivas, desafios e aplicações (2021)
Fernandes, Fernando Timoteo; Chiavegatto Filho, Alexandre Dias Porto (Orientador)
Unidade: FSP
Subjects: APRENDIZADO COMPUTACIONAL, PROGNÓSTICO, SAÚDE OCUPACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
FERNANDES, Fernando Timoteo. Machine learning em saúde e segurança do trabalhador : perspectivas, desafios e aplicações. 2021. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2021. Disponível em: https://doi.org/10.11606/T.6.2021.tde-27012022-140548. Acesso em: 24 abr. 2026.
APA
Fernandes, F. T. (2021). Machine learning em saúde e segurança do trabalhador : perspectivas, desafios e aplicações (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://doi.org/10.11606/T.6.2021.tde-27012022-140548
NLM
Fernandes FT. Machine learning em saúde e segurança do trabalhador : perspectivas, desafios e aplicações [Internet]. 2021 ;[citado 2026 abr. 24 ] Available from: https://doi.org/10.11606/T.6.2021.tde-27012022-140548
Vancouver
Fernandes FT. Machine learning em saúde e segurança do trabalhador : perspectivas, desafios e aplicações [Internet]. 2021 ;[citado 2026 abr. 24 ] Available from: https://doi.org/10.11606/T.6.2021.tde-27012022-140548
Artigo de periodico
Predição de absenteísmo docente na rede pública com machine learning (2021)
Fernandes, Fernando Timoteo ; Chiavegatto Filho, Alexandre Dias Porto
Unidade: FSP
Subjects: ABSENTEÍSMO, FATORES DE RISCO, MORBIDADE, EDUCAÇÃO INFANTIL, ESTUDOS TRANSVERSAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
FERNANDES, Fernando Timoteo e CHIAVEGATTO FILHO, Alexandre Dias Porto. Predição de absenteísmo docente na rede pública com machine learning. v. 55, p. art.23 [11], 2021Tradução . . Disponível em: https://doi.org/10.11606/s1518-8787.2021055002677. Acesso em: 24 abr. 2026.
APA
Fernandes, F. T., & Chiavegatto Filho, A. D. P. (2021). Predição de absenteísmo docente na rede pública com machine learning, 55, art.23 [11]. doi:10.11606/s1518-8787.2021055002677
NLM
Fernandes FT, Chiavegatto Filho ADP. Predição de absenteísmo docente na rede pública com machine learning [Internet]. 2021 ;55 art.23 [11].[citado 2026 abr. 24 ] Available from: https://doi.org/10.11606/s1518-8787.2021055002677
Vancouver
Fernandes FT, Chiavegatto Filho ADP. Predição de absenteísmo docente na rede pública com machine learning [Internet]. 2021 ;55 art.23 [11].[citado 2026 abr. 24 ] Available from: https://doi.org/10.11606/s1518-8787.2021055002677
Artigo de periodico
A multipurpose machine learning approach to predict COVID-19 negative prognosis in São Paulo, Brazil (2021)
Fernandes, Fernando Timoteo ; Oliveira, Tiago Almeida de; Teixeira, Cristiane Esteves; Batista, André Filipe de Moraes; Costa, Gabriel Dalla; Chiavegatto Filho, Alexandre Dias Porto
Source: Scientific Reports. Unidade: FSP
Subjects: COVID-19, PROGNÓSTICO, BIOMARCADORES, PROTOCOLOS CLÍNICOS, SÃO PAULO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
FERNANDES, Fernando Timoteo et al. A multipurpose machine learning approach to predict COVID-19 negative prognosis in São Paulo, Brazil. Scientific Reports, v. 11, p. art. 3343 [7], 2021Tradução . . Disponível em: https://doi.org/10.1038/s41598-021-82885-y. Acesso em: 24 abr. 2026.
APA
Fernandes, F. T., Oliveira, T. A. de, Teixeira, C. E., Batista, A. F. de M., Costa, G. D., & Chiavegatto Filho, A. D. P. (2021). A multipurpose machine learning approach to predict COVID-19 negative prognosis in São Paulo, Brazil. Scientific Reports, 11, art. 3343 [7]. doi:10.1038/s41598-021-82885-y
NLM
Fernandes FT, Oliveira TA de, Teixeira CE, Batista AF de M, Costa GD, Chiavegatto Filho ADP. A multipurpose machine learning approach to predict COVID-19 negative prognosis in São Paulo, Brazil [Internet]. Scientific Reports. 2021 ;11 art. 3343 [7].[citado 2026 abr. 24 ] Available from: https://doi.org/10.1038/s41598-021-82885-y
Vancouver
Fernandes FT, Oliveira TA de, Teixeira CE, Batista AF de M, Costa GD, Chiavegatto Filho ADP. A multipurpose machine learning approach to predict COVID-19 negative prognosis in São Paulo, Brazil [Internet]. Scientific Reports. 2021 ;11 art. 3343 [7].[citado 2026 abr. 24 ] Available from: https://doi.org/10.1038/s41598-021-82885-y
Artigo de periodico
Perspectivas do uso de mineração de dados e aprendizado de máquina em saúde e segurança no trabalho (2019)
Fernandes, Fernando Timoteo ; Chiavegatto Filho, Alexandre Dias Porto
Source: Revista Brasileira de Saúde Ocupacional. Unidade: FSP
Subjects: SAÚDE OCUPACIONAL, APRENDIZADO COMPUTACIONAL, MINERAÇÃO DE DADOS, SEGURANÇA DO TRABALHO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
FERNANDES, Fernando Timoteo e CHIAVEGATTO FILHO, Alexandre Dias Porto. Perspectivas do uso de mineração de dados e aprendizado de máquina em saúde e segurança no trabalho. Revista Brasileira de Saúde Ocupacional, v. 44, p. art. e13 [12], 2019Tradução . . Disponível em: https://doi.org/10.1590/2317-6369000019418. Acesso em: 24 abr. 2026.
APA
Fernandes, F. T., & Chiavegatto Filho, A. D. P. (2019). Perspectivas do uso de mineração de dados e aprendizado de máquina em saúde e segurança no trabalho. Revista Brasileira de Saúde Ocupacional, 44, art. e13 [12]. doi:10.1590/2317-6369000019418
NLM
Fernandes FT, Chiavegatto Filho ADP. Perspectivas do uso de mineração de dados e aprendizado de máquina em saúde e segurança no trabalho [Internet]. Revista Brasileira de Saúde Ocupacional. 2019 ;44 art. e13 [12].[citado 2026 abr. 24 ] Available from: https://doi.org/10.1590/2317-6369000019418
Vancouver
Fernandes FT, Chiavegatto Filho ADP. Perspectivas do uso de mineração de dados e aprendizado de máquina em saúde e segurança no trabalho [Internet]. Revista Brasileira de Saúde Ocupacional. 2019 ;44 art. e13 [12].[citado 2026 abr. 24 ] Available from: https://doi.org/10.1590/2317-6369000019418

USP Schools

ReP

Filtros

Authors

Subjects

Non normalized affiliation