Clinical Phenotyping with an Outcomes-driven Mixture of Experts for Patient Matching and Risk Estimation.

Hurley, Nathan C; Dhruva, Sanket S; Desai, Nihar R; Ross, Joseph R; Ngufor, Che G; Masoudi, Frederick; Krumholz, Harlan M; Mortazavi, Bobak J

Hurley, Nathan C; Dhruva, Sanket S; Desai, Nihar R; Ross, Joseph R; Ngufor, Che G; Masoudi, Frederick; Krumholz, Harlan M; Mortazavi, Bobak J.

Afiliación

Hurley NC; Texas A&M University, USA.
Dhruva SS; University of California San Francisco, USA.
Desai NR; Yale University, USA.
Ross JR; Yale University, USA.
Ngufor CG; Mayo Clinic, USA.
Masoudi F; Ascension Health, USA.
Krumholz HM; Yale University, USA.
Mortazavi BJ; Texas A&M University, USA.

ACM Trans Comput Healthc ; 4(4): 1-18, 2023 Oct.

Article en En | MEDLINE | ID: mdl-37908872

Palabras clave

Cardiology; cardiovascular outcomes; machine learning; medical information systems; mixture of experts

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google

Texto completo: 1 Colección: 01-internacional Base de datos: MEDLINE Idioma: En Revista: ACM Trans Comput Healthc Año: 2023 Tipo del documento: Article País de afiliación: Estados Unidos Pais de publicación: Estados Unidos

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google