Electronic Health Record-Based Machine Learning Models for Predicting Revascularization, Amputation, and Cardiovascular Mortality in At-Risk Patients
Cette étude démontre que des modèles d'apprentissage automatique entraînés sur des données de dossiers de santé électroniques harmonisées provenant de près de 179 000 patients prédisent efficacement la revascularisation et l'amputation avec une grande précision, tout en affichant une performance plus modeste pour la mortalité cardiovasculaire, soutenant ainsi l'utilité de la stratification des risques basée sur les dossiers de santé électroniques pour les patients vasculaires à risque.