Rechercher
image du produit
Heart, Lung and Circulation

S'abonner

Development and Validation of a Categorical Boosting Machine Learning Model Enhanced by Differential Evolution to Predict Length of Stay in Patients With Atrial Fibrillation at Canberra Hospital - 07/08/25

Doi : 10.1016/j.hlc.2025.06.613 
A.C.A. Rao 1, 2, M. Neshat 1, P.J. Scott 1, 2
1 Canberra Health Services, Canberra, ACT, Australia 
2 Australian National University, Canberra, ACT, Australia 

Le texte complet de cet article est disponible en PDF.

597

Le texte complet de cet article est disponible en PDF.

Plan


© 2025  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

    •

  • Contenu

    •

Vol 34 - N° S4

P. S487-S489 - août 2025 Retour au numéro
Article précédent Article précédent
  • Deep Learning for Predicting New-Onset Atrial Fibrillation After TAVI: A Convolutional Neural Network Approach Using Pre-Procedural ECG Images
  • J. Ben Daniel, K. Rao, D. Han, J. Ciofani, R. Bhindi
| Article suivant Article suivant
  • Development of CSANZ and ACRA Position Statement on Quality Use of Telehealth in Cardiovascular Care
  • S. Cartledge, J. Rawstorn, C. Astley, C. Bourne, K. Bardsley, N. Bart, A. Driscoll, T. Hall, J. Hendriks, A. Scott, N. Straiton, E. Thomas, S. Inglis

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.