To validate the accuracy of the Epidemiology-based Mortality Score in Status Epilepticus (EMSE) in predicting the risk of death at 30 days in a large cohort of patients with status epilepticus (SE) using a machine-learning system.
Machine-learning validation through decision-tree analysis of the Epidemiology-based Mortality Score in Status Epilepticus / Brigo, F., Turcato, G., Lattanzi, S., Orlandi, N., Turchi, G., Zaboli, A., Giovannini, G., Meletti, S.. - In: EPILEPSIA. - ISSN 0013-9580. - 63:10(2022), pp. 2507-2518. [10.1111/epi.17372]
Machine-learning validation through decision-tree analysis of the Epidemiology-based Mortality Score in Status Epilepticus
Meletti, Stefano
2022
Abstract
To validate the accuracy of the Epidemiology-based Mortality Score in Status Epilepticus (EMSE) in predicting the risk of death at 30 days in a large cohort of patients with status epilepticus (SE) using a machine-learning system.
| File | Dimensione | Formato | |
|---|---|---|---|
|
Epilepsia - 2022 - Brigo - Machine learning validation through decision tree analysis of the Epidemiology‐Based Mortality.pdf
Open access
Tipologia:
VOR - Versione pubblicata dall'editore
Dimensione
4.67 MB
Formato
Adobe PDF
|
4.67 MB | Adobe PDF | Visualizza/Apri |
Pubblicazioni consigliate
I metadati presenti in IRIS UNIMORE sono rilasciati con licenza Creative Commons CC0 1.0 Universal, mentre i file delle pubblicazioni sono rilasciati con licenza Attribuzione 4.0 Internazionale (CC BY 4.0), salvo diversa indicazione.
In caso di violazione di copyright, contattare Supporto Iris
