【拔管】利用機器學習預測ICU呼吸衰竭風險及拔管準備 文章出處 npj Digital Medicine 原文標題 RMS: a ML-based system for ICU respiratory monitoring and re...
【敗血症】利用機器學習預測「敗血症」患者機械通氣脫離的成功率
【敗血症】利用機器學習預測「敗血症」患者機械通氣脫離的成功率 文章出處 Heart & Lung 原文標題 Prediction of weaning in mechanically ventilated sepsis pat...
【拔管】基於呼吸力學和臨床指標預測重症老年患者7天內「拔管」失敗的危險因子
【拔管】基於呼吸力學和臨床指標預測重症老年患者7天內「拔管」失敗的危險因子 文章出處 Frontiers in Medicine 原文標題 Risk factors for failed extubation within 7 day...
【拔管】基於橫膈膜超音波影像(位移和速度)，使用機器學習預測ICU「拔管」失敗風險
【拔管】基於橫膈膜超音波影像(位移和速度)，使用機器學習預測ICU「拔管」失敗風險 文章出處 JMIR 原文標題 AI Model Based on Diaphragm Ultrasound to Improve the Predic...
【拔管】基於電子健康記錄，利用機器學習預測次日「拔管」時間
【拔管】基於電子健康記錄，利用機器學習預測次日「拔管」時間 文章出處 Scientific Reports 原文標題 Developing and validating machine learning models to predi...
【拔管】透過呼吸器收集即時數據，使用機器學習預測呼吸器「拔管」的成功率
【拔管】透過呼吸器收集即時數據，使用機器學習預測呼吸器「拔管」的成功率 文章出處 Scientific Reports 原文標題 Enhancing healthcare AI stability with edge computin...
【拔管】利用機器學習識別重症病患生命末期「拔管」決策因素，以及確認拔管是否縮短死亡過程
共有616名患者納入分析，其中396名(64.3%) 最終拔管 使用隨機森林(RF)與Cox regression進行分析。Cox regression用於分析拔管從WLST到死亡時間的影響 結果: (1) 研究中心、(2) 少量或是無升壓藥支持以及(3) 良好的呼吸功能是與...
【拔管失敗】建構邏輯回歸與XGBoost模型預測低出生體重兒「拔管失敗」風險
原文 : Prediction of extubation failure among low birthweight neonates using machine learning 出處 : Journal of perinatology # 科研 #2792
