Prediction of symptomatic anastomotic leak after rectal cancer surgery: A machine learning approach

Lasso(编程语言) 医学 逐步回归 逻辑回归 队列 接收机工作特性 吻合 结直肠癌 外科 预测建模 倾向得分匹配 队列研究 并发症 机器学习 内科学 癌症 计算机科学 万维网
作者
Yu Shen,Li‐Bin Huang,Anqing Lu,Tinghan Yang,Hai‐Ning Chen,Ziqiang Wang
出处
期刊:Journal of Surgical Oncology [Wiley]
卷期号:129 (2): 264-272 被引量:18
标识
DOI:10.1002/jso.27470
摘要

Our study developed a feasible predictive model with a machine-learning algorithm to classify patients with a high risk of AL, which would assist surgical decision-making and reduce unnecessary stoma diversion. The involved machine learning algorithms provide clinicians with an innovative alternative to enhance clinical management.
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
1秒前
迷你的雁枫完成签到,获得积分0
3秒前
阿呷惹完成签到,获得积分10
3秒前
4秒前
李爱国应助科研通管家采纳,获得10
5秒前
深情安青应助科研通管家采纳,获得10
5秒前
xzy998应助科研通管家采纳,获得10
5秒前
xzy998应助科研通管家采纳,获得10
5秒前
范六六发布了新的文献求助30
6秒前
zning完成签到,获得积分20
6秒前
wpt发布了新的文献求助30
7秒前
JamesPei应助科研小菜狗采纳,获得100
8秒前
dungaway完成签到,获得积分10
8秒前
米豆爸完成签到,获得积分10
9秒前
zikk233完成签到,获得积分10
12秒前
lllx完成签到,获得积分10
13秒前
科研通AI2S应助Shelley采纳,获得10
16秒前
天天快乐应助LQ采纳,获得10
19秒前
26秒前
jctyp完成签到,获得积分10
27秒前
懵懂的梦秋完成签到,获得积分10
28秒前
30秒前
花花完成签到,获得积分10
31秒前
吃瓜米吃瓜米完成签到 ,获得积分10
32秒前
33秒前
文龙之子完成签到,获得积分10
33秒前
英俊的铭应助花花采纳,获得10
36秒前
Moonchild完成签到 ,获得积分10
36秒前
活力谷南完成签到,获得积分10
36秒前
LQ发布了新的文献求助10
37秒前
管子猫完成签到,获得积分10
38秒前
无理完成签到 ,获得积分10
38秒前
shime完成签到,获得积分10
38秒前
刻苦的绿真完成签到 ,获得积分10
39秒前
J_Man完成签到,获得积分10
41秒前
42秒前
Singularity完成签到,获得积分0
45秒前
星辰大海应助lignin采纳,获得10
45秒前
48秒前
CandyJump完成签到,获得积分10
50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
PowerCascade: A Synthetic Dataset for Cascading Failure Analysis in Power Systems 2000
Picture this! Including first nations fiction picture books in school library collections 1000
Signals, Systems, and Signal Processing 610
Unlocking Chemical Thinking: Reimagining Chemistry Teaching and Learning 555
Photodetectors: From Ultraviolet to Infrared 500
Cancer Targets: Novel Therapies and Emerging Research Directions (Part 1) 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6359032
求助须知:如何正确求助?哪些是违规求助? 8172984
关于积分的说明 17211918
捐赠科研通 5413998
什么是DOI,文献DOI怎么找? 2865338
邀请新用户注册赠送积分活动 1842737
关于科研通互助平台的介绍 1690836