Alcuni modelli predittivi basati sul machine learning sembrano possedere un buon grado di efficacia nell’identificazione dei soggetti asmatici a rischio di esacerbazioni; tuttavia, è necessario che questi modelli siano applicabili su larga scala e di semplice utilizzo prima di poterli impiegare nella pratica clinica
Un aiuto per identificare i soggetti asmatici a maggior rischio esacerbazioni potrà venire da alcuni modelli predittivi basati sul machine learning
Accedi
OnTime
Per continuare la lettura è necessario essere registrati. Se hai già un account Xgate inserisci le tue credenziali, se sei un nuovo utente clicca su "Nuovo utente" e segui le istruzioni.
Articoli correlati
Un buon controllo dell’asma è importante per migliorare gli esiti di gravidanza
La gravidanza determina delle modifiche fisiologiche al sistema respiratorio: per tale motivo è importante che nelle donne incinte con asma si mantenga un buon controllo della malattia con i farmaci d...
2022: revisione sistematica sull'epidemiologia del cancro alla prostata e sui fattori di rischio
Il PCa è il secondo tumore più comune a livello globale. Queta revisione sistematica riassume le prove attuali sull’epidemiologia, sugli studi di screening, sulle tecniche diagnostiche e sui fattori d...
24 raccomandazioni sul monitoraggio dell'asma nei bambini elaborate dal gruppo di esperti Pediatric Asthma in Real Life
Un gruppo di esperti ha elaborato una serie di raccomandazioni volte a uniformare il più possibile il monitoraggio nei bambini asmatici in termini di frequenza delle visite e degli elementi valutati
