Explainable time-series machine learning for early sepsis prediction and risk stratification: a multi-dataset computational study

Este estudo apresenta uma estrutura computacional explicável e multivariada de dados que integra o agrupamento fenotípico com modelos de Long Short-Term Memory (LSTM) e análise dinâmica de importância de características para alcançar uma predição de sepse precoce e estratificação de risco robustas, fornecendo simultaneamente insights clinicamente interpretáveis sobre a progressão da doença.