Details

Autor(en) / Beteiligte

• De Brouwer, Edward
• Becker, Thijs
• Moreau, Yves
• Havrdova, Eva Kubala
• Trojano, Maria
• Eichau, Sara
• Ozakbas, Serkan
• Onofrj, Marco
• Grammond, Pierre
• Kuhle, Jens
• Kappos, Ludwig
• Sola, Patrizia
• Cartechini, Elisabetta
• Lechner-Scott, Jeannette
• Alroughani, Raed
• Gerlach, Oliver
• Kalincik, Tomas
• Granella, Franco
• Grand'Maison, Francois
• Bergamaschi, Roberto
• Sá, Maria José
• Van Wijmeersch, Bart
• Soysal, Aysun
• Sanchez-Menoyo, Jose Luis
• Solaro, Claudio
• Boz, Cavit
• Iuliano, Gerardo
• Buzzard, Katherine
• Aguera-Morales, Eduardo
• Terzi, Murat
• Trivio, Tamara Castillo
• Spitaleri, Daniele
• Van Pesch, Vincent
• Shaygannejad, Vahid
• Moore, Fraser
• Oreja-Guevara, Celia
• Maimone, Davide
• Gouider, Riadh
• Csepany, Tunde
• Ramo-Tello, Cristina
• Peeters, Liesbet

Titel

Corrigendum to Longitudinal machine learning modeling of MS patient trajectories improves predictions of disability progression: [Computer Methods and Programs in Biomedicine, Volume 208, (September 2021) 106180]

Ist Teil von

• Computer methods and programs in biomedicine, 2022-01, Vol.213, p.106479-106479, Article 106479

Ort / Verlag

Elsevier B.V

Erscheinungsjahr

2022

Quelle

Alma/SFX Local Collection