Your browser doesn't support javascript.
loading
Predicting the occurrence of surgical site infections using text mining and machine learning.
da Silva, Daniel A; Ten Caten, Carla S; Dos Santos, Rodrigo P; Fogliatto, Flavio S; Hsuan, Juliana.
Afiliación
  • da Silva DA; Industrial Engineering Department, Universidade Federal do Rio Grande do Sul, Porto Alegre, Brazil.
  • Ten Caten CS; Industrial Engineering Department, Universidade Federal do Rio Grande do Sul, Porto Alegre, Brazil.
  • Dos Santos RP; Hospital de Clinicas de Porto Alegre, Porto Alegre, Brazil.
  • Fogliatto FS; Industrial Engineering Department, Universidade Federal do Rio Grande do Sul, Porto Alegre, Brazil.
  • Hsuan J; Copenhagen Business School, Copenhagen, Denmark.
PLoS One ; 14(12): e0226272, 2019.
Article en En | MEDLINE | ID: mdl-31834905
Asunto(s)
Texto completo
Añadir a Mi BVS
Imprimir
XML
PubMed Links
Buscar en Google

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Asunto principal: Infección de la Herida Quirúrgica / Algoritmos / Teorema de Bayes / Minería de Datos / Aprendizaje Automático Tipo de estudio: Prognostic_studies / Risk_factors_studies Límite: Female / Humans / Male / Middle aged Idioma: En Revista: PLoS One Asunto de la revista: CIENCIA / MEDICINA Año: 2019 Tipo del documento: Article País de afiliación: Brasil Pais de publicación: Estados Unidos
Texto completo
Añadir a Mi BVS
Imprimir
XML
PubMed Links
Buscar en Google

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Asunto principal: Infección de la Herida Quirúrgica / Algoritmos / Teorema de Bayes / Minería de Datos / Aprendizaje Automático Tipo de estudio: Prognostic_studies / Risk_factors_studies Límite: Female / Humans / Male / Middle aged Idioma: En Revista: PLoS One Asunto de la revista: CIENCIA / MEDICINA Año: 2019 Tipo del documento: Article País de afiliación: Brasil Pais de publicación: Estados Unidos