Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
IRIS Institutional Research Information System - AIR Archivio Istituzionale della Ricerca
Machine learning for prediction of in-hospital mortality in COVID-19 patients: results from an Italian multicentre study / S. Paris, R.M. Inciardi, C. Specchia, M. Vezzoli, C. Oriecuia, C.M. Lombardi, N.H. Murillo, M. Pagnesi, D. Tomasoni, P. Ameri, V. Carubelli, P. Agostoni, C. Canale, S. Carugo, G. Danzi, M.D. Pasquale, F. Sarullo, M.T.L. Rovere, A. Mortara, M. Piepoli, I. Porto, G. Sinagra, M. Volterrani, M. Gnecchi, S. Leonardi, M. Merlo, A. Iorio, S. Giovinazzo, A. Bellasi, G. Zaccone, R. Camporotondo, F. Catagnano, L.D. Vecchia, G. Maccagni, M. Mapelli, D. Margonato, L. Monzo, V. Nuzzi, A. Pozzi, G. Provenzale, C. Tedino, M. Guazzi, M. Senni, M. Metra. - In: EUROPEAN HEART JOURNAL SUPPLEMENTS. - ISSN 1554-2815. - 23:Supplement_G(2021 Dec 08), pp. 554 (suab135.035).G95-554 (suab135.035).G96. (Intervento presentato al 82. convegno SIC National Conference nel 2021) [10.1093/eurheartj/suab135.035].
Machine learning for prediction of in-hospital mortality in COVID-19 patients: results from an Italian multicentre study
Machine learning for prediction of in-hospital mortality in COVID-19 patients: results from an Italian multicentre study / S. Paris, R.M. Inciardi, C. Specchia, M. Vezzoli, C. Oriecuia, C.M. Lombardi, N.H. Murillo, M. Pagnesi, D. Tomasoni, P. Ameri, V. Carubelli, P. Agostoni, C. Canale, S. Carugo, G. Danzi, M.D. Pasquale, F. Sarullo, M.T.L. Rovere, A. Mortara, M. Piepoli, I. Porto, G. Sinagra, M. Volterrani, M. Gnecchi, S. Leonardi, M. Merlo, A. Iorio, S. Giovinazzo, A. Bellasi, G. Zaccone, R. Camporotondo, F. Catagnano, L.D. Vecchia, G. Maccagni, M. Mapelli, D. Margonato, L. Monzo, V. Nuzzi, A. Pozzi, G. Provenzale, C. Tedino, M. Guazzi, M. Senni, M. Metra. - In: EUROPEAN HEART JOURNAL SUPPLEMENTS. - ISSN 1554-2815. - 23:Supplement_G(2021 Dec 08), pp. 554 (suab135.035).G95-554 (suab135.035).G96. (Intervento presentato al 82. convegno SIC National Conference nel 2021) [10.1093/eurheartj/suab135.035].
reserved
Prodotti della ricerca::01 - Articolo su periodico
44
266
Article (author)
Periodico con Impact Factor
S. Paris, R.M. Inciardi, C. Specchia, M. Vezzoli, C. Oriecuia, C.M. Lombardi, N.H. Murillo, M. Pagnesi, D. Tomasoni, P. Ameri, V. Carubelli, P. Agosto...espandi
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/2434/889672
Citazioni
ND
ND
1
ND
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
