Andere Kunden interessierten sich auch für
![Gravidanza ad alto rischio in un'area rurale]( "Gravidanza ad alto rischio in un'area rurale")
Gravidanza ad alto rischio in un'area rurale40,99 €![PROTOCOLLO INFERMIERISTICO PER I NEONATI SOTTOPOSTI A CHIRURGIA AD ALTO RISCHIO]( "PROTOCOLLO INFERMIERISTICO PER I NEONATI SOTTOPOSTI A CHIRURGIA AD ALTO RISCHIO")
PROTOCOLLO INFERMIERISTICO PER I NEONATI SOTTOPOSTI A CHIRURGIA AD ALTO RISCHIO26,99 €![La trasformazione del sistema sanitario]( "La trasformazione del sistema sanitario")
La trasformazione del sistema sanitario33,99 €![MitraClip nello scompenso cardiaco avanzato ad alto rischio]( "MitraClip nello scompenso cardiaco avanzato ad alto rischio")
MitraClip nello scompenso cardiaco avanzato ad alto rischio26,99 €![Previsione degli esiti del trattamento del cancro al seno]( "Previsione degli esiti del trattamento del cancro al seno")
Previsione degli esiti del trattamento del cancro al seno25,99 €![Il docking molecolare nella previsione della tossicità e delle proprietà medicinali]( "Il docking molecolare nella previsione della tossicità e delle proprietà medicinali")
Il docking molecolare nella previsione della tossicità e delle proprietà medicinali39,99 €![Gemmazione tumorale nell'adenocarcinoma pancreatico primario]( "Gemmazione tumorale nell'adenocarcinoma pancreatico primario")
Gemmazione tumorale nell'adenocarcinoma pancreatico primario39,99 €
L'ossigenoterapia ad alto flusso si è dimostrata efficace nel ridurre la mortalità, ma il fallimento di questo metodo rimane difficile da prevedere. Lo scopo di questo studio è integrare l'intelligenza artificiale nella decisione terapeutica per migliorare questa previsione. Abbiamo incluso 369 pazienti con COVID-19 ricoverati in terapia intensiva presso l'ospedale regionale di Zaghouan tra marzo 2020 e dicembre 2022. Dopo aver preprocessato i dati e ottimizzato gli iperparametri con GridSearchCV, sono stati testati quattro modelli di apprendimento automatico: XGBoost, Random Forest, k-nearest neighbours e regressione logistica. Il modello XGBoost ha ottenuto le migliori prestazioni, con un'area sotto la curva ROC di 0,842, superando l'indice ROX e il modello Random Forest. I modelli di regressione logistica e k-nearest neighbours hanno ottenuto risultati inferiori. L'integrazione dell'intelligenza artificiale, in particolare attraverso il modello XGBoost, sembra promettente per migliorare la gestione dei pazienti affetti da polmonite da COVID-19, identificando precocemente i soggetti a rischio di fallimento dell'ossigenoterapia ad alto flusso e riducendo le intubazioni inappropriate.