Rechercher
image du produit
American Journal of Obstetrics and Gynecology

S'abonner

798 Personalized Machine Learning Model for Predicting Successful Vaginal Delivery during the Active Phase of Labor - 19/01/24

Doi : 10.1016/j.ajog.2023.11.823 
Lee Reicher 1, sharon Napadenski 2, Emmanuel Attali 3, Nadav Rappoport 2, Yariv Yogev 4
1 Lis Hospital for Women's Health, Tel Aviv Sourasky Medical Center, Tel-Aviv, Israel 
2 Ben Gurion University of the Negev, Beer-Sheva, HaDarom 
3 Lis Maternity Hospital, Department of Obstetrics and Gynecology, Sourasky Medical Center, Tel Aviv University, Tel Aviv, Israel 
4 Lis Hospital for Women's Health, Tel Aviv Sourasky Medical Center, Tel Aviv, Israel 

Le texte complet de cet article est disponible en PDF.
Le texte complet de cet article est disponible en PDF.

Plan


© 2024  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

    •

  • Contenu

    •

Vol 230 - N° 1S

P. S424-S425 - janvier 2024 Retour au numéro
Article précédent Article précédent
  • 797 Molecular and Physiological Profile of Women with a History of Gestational Diabetes Mellitus
  • Lee Reicher, Michal Rein, Nastya Godneva, Adina Weinberger, Yariv Yogev, Eran Segal
| Article suivant Article suivant
  • 799 Prophylactic Aspirin Treatment for Preeclampsia Prevention in Dichorionic-Diamniotic Twin Pregnancies
  • Anat Pardo, Or Bercovich, David Danon, Yuval Gielchinsky, Shiri Barbash Hazan, Sharon Sigal-Kaplun, tal resnick, Yael Haring, Noam Pardo, Eran Hadar, kinneret tenenbaum gavish

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Elsevier s'engage à rendre ses eBooks accessibles et à se conformer aux lois applicables. Compte tenu de notre vaste bibliothèque de titres, il existe des cas où rendre un livre électronique entièrement accessible présente des défis uniques et l'inclusion de fonctionnalités complètes pourrait transformer sa nature au point de ne plus servir son objectif principal ou d'entraîner un fardeau disproportionné pour l'éditeur. Par conséquent, l'accessibilité de cet eBook peut être limitée. Voir plus

Accès rapides

Mon compte

Aide & support

Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.

Tout le contenu de ce site: Copyright © 2026 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.