Sie befinden Sich nicht im Netzwerk der Universität Paderborn. Der Zugriff auf elektronische Ressourcen ist gegebenenfalls nur via VPN oder Shibboleth (DFN-AAI) möglich. mehr Informationen...
C102 CRITICAL CARE: PREDICTING AND IDENTIFYING ARDS DEVELOPMENT, SEPSIS AND CLINICAL DETERIORATION: Data-Driven Prediction And Risk Score Model For Tachycardia Event In The Intensive Care Unit
Ist Teil von
American journal of respiratory and critical care medicine, 2017-01, Vol.195
Ort / Verlag
New York: American Thoracic Society
Erscheinungsjahr
2017
Quelle
EZB Electronic Journals Library
Beschreibungen/Notizen
Methods: A matched subset of clinical and 1Hz physiological signals data was extracted from MIMIC2 version 2.6, a richly annotated multi-domain, multigranular database. Regularized logistic regression (LR) and Random Forest (RF) classifiers were trained with 10-fold cross-validation to create a risk score for developing tachycardia.