Comparative Analysis of Machine Learning Models vs. Traditional Clinical Calculators for Cardiovascular Risk Prediction
Cette étude démontre qu'un modèle d'apprentissage automatique de type Gradient Boosting calibré, développé à partir des données NHANES et intégré à la plateforme « CardioPrediQ », atteint une performance composite supérieure et une équivalence statistique avec les principaux calculateurs traditionnels pour prédire la mortalité cardiovasculaire, offrant ainsi une solution évolutive particulièrement bénéfique pour les populations diversifiées où les outils de risque standards peuvent manquer de précision.