Výsledky vyhledávání

Machine Learning Models to Predict 24 Hour Urinary Abnormalities for Kidney Stone Disease

Autor: Nicholas L, Kavoussi, Chase, Floyd, Abin, Abraham, Wilson, Sui, Cosmin, Bejan, John A, Capra, Ryan, Hsi

Publikováno v: Urology. 169:52-57

To help guide empiric therapy for kidney stone disease, we sought to demonstrate the feasibility of predicting 24-hour urine abnormalities using machine learning methods.We trained a machine learning model (XGBoost [XG]) to predict 24-hour urine abno

Externí odkaz: https://explore.openaire.eu/search/publication?articleId=doi_dedup___::020a3c1785b9e2196a9a41b89e2de869
https://doi.org/10.1016/j.urology.2022.07.008

Zobrazit plný text záznamu

Vyhledávací nástroje:

Upřesnit hledání