Comparative Analysis of Machine Learning Models vs. Traditional Clinical Calculators for Cardiovascular Risk Prediction
Deze studie toont aan dat een gekalibreerd Gradient Boosting machine learning-model, ontwikkeld met behulp van NHANES-gegevens en geïntegreerd in het "CardioPrediQ"-platform, superieure samengestelde prestaties en statistische equivalentie bereikt ten opzichte van de beste traditionele rekenmodellen voor het voorspellen van cardiovasculaire mortaliteit, waarmee een schaalbare oplossing wordt geboden die met name gunstig is voor diverse populaties waar standaard risicotools mogelijk een gebrek aan nauwkeurigheid vertonen.