Rechercher
image du produit
Archives of cardiovascular diseases

S'abonner

Can machine-learning algorithms replace clinical prediction rules for deep vein thrombosis diagnosis? - 19/04/26

Doi : 10.1016/j.acvd.2026.03.119 
Elena-Mihaela Cordeanu a, b, ⁎ , Dominique Stephan a, b
a Department of Hypertension and Vascular Diseases, Clinical Pharmacology, Strasbourg University Hospitals, 1, place de l’Hôpital, 67000 Strasbourg, France 
b UR 3074 – Translational Cardiovascular Medicine, CRBS, University of Strasbourg, 67000 Strasbourg, France 

⁎ Corresponding author: Department of Hypertension and Vascular Diseases, Clinical Pharmacology, Strasbourg University Hospitals, 1, place de l’Hôpital, 67000 Strasbourg, France. Department of Hypertension and Vascular Diseases, Clinical Pharmacology, Strasbourg University Hospitals 1, place de l’Hôpital Strasbourg 67000 France
Le texte complet de cet article est disponible en PDF.
Sous presse. Épreuves corrigées par l'auteur. Disponible en ligne depuis le Sunday 19 April 2026
Le texte complet de cet article est disponible en PDF.

Plan


© 2026  Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

    •

  • Contenu

    •

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.