Electronic Health Record-Based Machine Learning Models for Predicting Revascularization, Amputation, and Cardiovascular Mortality in At-Risk Patients
本研究表明,基于近17.9万名患者的标准化电子健康记录数据训练的机器学习模型,能够高精度地预测血运重建和截肢,而在心血管死亡率方面的表现则较为适中,从而证明了基于电子健康记录的风险分层对于高风险血管疾病患者的实用性。