Seasonality of acute kidney injury phenotypes in England: an unsupervised machine learning classification study of electronic health records.

Bolt, Hikaru; Suffel, Anne; Matthewman, Julian; Sandmann, Frank; Tomlinson, Laurie; Eggo, Rosalind

Bolt, Hikaru; Suffel, Anne; Matthewman, Julian; Sandmann, Frank; Tomlinson, Laurie; Eggo, Rosalind.

Afiliación

Bolt H; London School of Hygiene and Tropical Medicine, Keppel Street, London, WC1E 7HT, UK. Hikaru.bolt@lshtm.ac.uk.
Suffel A; London School of Hygiene and Tropical Medicine, Keppel Street, London, WC1E 7HT, UK.
Matthewman J; London School of Hygiene and Tropical Medicine, Keppel Street, London, WC1E 7HT, UK.
Sandmann F; London School of Hygiene and Tropical Medicine, Keppel Street, London, WC1E 7HT, UK.
Tomlinson L; European Centre for Disease Prevention and Control (ECDC), Stockholm, Sweden.
Eggo R; London School of Hygiene and Tropical Medicine, Keppel Street, London, WC1E 7HT, UK.

BMC Nephrol ; 24(1): 234, 2023 08 09.

Article en En | MEDLINE | ID: mdl-37558976

Asunto(s)

Lesión Renal Aguda; Registros Electrónicos de Salud; Humanos; Aprendizaje Automático no Supervisado; Inglaterra/epidemiología; Hospitalización; Lesión Renal Aguda/epidemiología; Lesión Renal Aguda/diagnóstico

Palabras clave

Acute kidney injury; Clustering; Phenotypes; Seasonality

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: Registros Electrónicos de Salud / Lesión Renal Aguda Tipo de estudio: Diagnostic_studies / Risk_factors_studies Límite: Humans País/Región como asunto: Europa Idioma: En Revista: BMC Nephrol Asunto de la revista: NEFROLOGIA Año: 2023 Tipo del documento: Article País de afiliación: Reino Unido Pais de publicación: Reino Unido

Texto completo

Añadir a Mi BVS

Imprimir

XML

PubMed Links

Buscar en Google