Predicting tuberculosis treatment relapse among geriatric patient using machine learning algorithms in a high Tuberculosis-burden Ghanaian setting.
Deze studie toont aan dat een Random Forest machine learning-model SVM, DNN en logistische regressie-algoritmen overtreft bij het voorspellen van terugval in de behandeling van tuberculose bij geriatrische patiënten in Ghana met een nauwkeurigheid van 99%, wat leidt tot aanbevelingen voor de pilotintegratie ervan in lokale klinische werkstromen en verbeterde beleidsregels voor gegevensdeling.