Electrocardiographic deep learning for predicting post-procedural mortality: a model development and validation study

深度学习 人工智能 计算机科学
作者
David Ouyang,John Theurer,Nathan R. Stein,J. Weston Hughes,Pierre Elias,Bryan He,Neal Yuan,Grant Duffy,Roopinder K. Sandhu,Joseph E. Ebinger,Patrick Botting,Melvin Jujjavarapu,Brian Claggett,James Tooley,Tim Poterucha,Jonathan H. Chen,Michael Nurok,Marco Perez,Adler Perotte,James Zou
出处
期刊:The Lancet Digital Health [Elsevier]
卷期号:6 (1): e70-e78 被引量:32
标识
DOI:10.1016/s2589-7500(23)00220-0
摘要

Preoperative risk assessments used in clinical practice are insufficient in their ability to identify risk for postoperative mortality. Deep-learning analysis of electrocardiography can identify hidden risk markers that can help to prognosticate postoperative mortality. We aimed to develop a prognostic model that accurately predicts postoperative mortality in patients undergoing medical procedures and who had received preoperative electrocardiographic diagnostic testing.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
灵巧冰露发布了新的文献求助10
刚刚
852应助明理念桃采纳,获得10
刚刚
刚刚
刚刚
1秒前
蓝天应助生命化育采纳,获得10
1秒前
1秒前
青山见我发布了新的文献求助10
1秒前
cfv发布了新的文献求助10
1秒前
大气映冬完成签到,获得积分10
2秒前
2秒前
Criminology34应助无zzz的人采纳,获得10
2秒前
烟花应助yz采纳,获得10
3秒前
3秒前
通通通发布了新的文献求助30
3秒前
3秒前
4秒前
贾哲宇完成签到,获得积分10
4秒前
4秒前
4秒前
量子星尘发布了新的文献求助10
5秒前
小猪找库里完成签到,获得积分10
5秒前
月月月鸟伟完成签到,获得积分10
5秒前
慕青应助kkeeaa采纳,获得10
5秒前
6秒前
zsqqqqq发布了新的文献求助10
6秒前
个性的紫菜应助上善若水采纳,获得10
6秒前
Ashore发布了新的文献求助10
6秒前
6秒前
俊逸的念桃完成签到,获得积分10
6秒前
7秒前
7秒前
7秒前
7秒前
xinglihai发布了新的文献求助10
7秒前
完美世界应助坚强的严青采纳,获得10
7秒前
量子星尘发布了新的文献求助10
7秒前
苦逼科研狗完成签到,获得积分20
8秒前
henglu发布了新的文献求助10
8秒前
郝好发布了新的文献求助10
8秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Encyclopedia of Quaternary Science Reference Third edition 6000
Encyclopedia of Forensic and Legal Medicine Third Edition 5000
Introduction to strong mixing conditions volume 1-3 5000
Aerospace Engineering Education During the First Century of Flight 3000
Agyptische Geschichte der 21.30. Dynastie 3000
Les Mantodea de guyane 2000
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 计算机科学 有机化学 物理 生物化学 纳米技术 复合材料 内科学 化学工程 人工智能 催化作用 遗传学 数学 基因 量子力学 物理化学
热门帖子
关注 科研通微信公众号,转发送积分 5784558
求助须知:如何正确求助?哪些是违规求助? 5682922
关于积分的说明 15464566
捐赠科研通 4913664
什么是DOI,文献DOI怎么找? 2644848
邀请新用户注册赠送积分活动 1592770
关于科研通互助平台的介绍 1547187