Zobrazeno 1 - 10
of 63
pro vyhledávání: '"H.A.A.M. van Vliet"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
C.O. Rees, Y. Huang, A. De Boer, B. Wessels, D.A. Huppelschoten, B. Zizolfi, A. di Spiezio Sardo, N. Christoforidis, H.A.A.M. van Vliet, M. Mischi, B.C. Schoot
Publikováno v:
Journal of Minimally Invasive Gynecology. 29:S30
Autor:
C.O. Rees, M. van der Wiel, J. Nederend, A. Huppelschoten, M. Mischi, H.A.A.M. van Vliet, BC Schoot
Publikováno v:
Journal of Minimally Invasive Gynecology. 29:S28
Autor:
C.O. Rees, H.A.A.M. van Vliet, A.G. Siebers, H. Bulten, D.A. Huppelschoten, M.E.M.H. Westerhuis, B.C. Schoot
Publikováno v:
Journal of Minimally Invasive Gynecology. 29:S110
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Lvr Lagaert, H.A.A.M. Van Vliet, T.H.G.F. Bakkes, Kyr Stevens, M Van De Keere, S Houterman, Benedictus C. Schoot
Publikováno v:
Journal of Minimally Invasive Gynecology. 26:S154
Study Objective To compare the performance of the prediction models of surgical re-intervention within 2 years after endometrial ablation (EA) by a multivariate random forest model vs the previously presented multivariate logistic regression model. D