A comparison of modeling approaches for static and dynamic prediction of central line-associated bloodstream infections using electronic health records (part 2): random forest models

Elena Albu; Shan Gao; Pieter Stijnen; Frank Rademakers; Christel Janssens; Veerle Cossey; Yves Debaveye; Laure Wynants; Ben Van Calster

doi:10.1186/s41512-025-00194-8

메뉴 건너뛰기

소속 기관 / 학교 인증

로그인 / 회원가입

고객센터 ENG

주제분류

인문학

사회과학

자연과학

공학

의약학

농수해양학

예술체육학

복합학

인문학 일반 역사학 철학 종교학 어문학 기타 인문학

사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학

자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학

공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학

의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학

농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학

예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학

학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

BEST

그룹별 Best 주제별 Best 아, 그 논문!

매거진 저널

DBpia AI AI 에이전트 AI 아이디어 AI 리더 AI 뷰어 Citeasy 크롬 서지관리 다운로드

지원사업

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

커뮤니티

연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.

고객센터 기관 문의

학술저널 cc-by Full-text

저자정보: Elena Albu Shan Gao Pieter Stijnen Frank Rademakers Christel Janssens Veerle Cossey Yves Debaveye Laure Wynants Ben Van Calster

출처: Springer Science and Business Media LLC Diagnostic and Prognostic Research 9(1)

오류 신고하기

피인용 0

검색

초록·키워드

In the absence of censoring, complex modelling choices do not considerably improve the predictive performance compared to a binary model for CLABSI prediction in our studied settings. Survival models censoring the competing events at their time of occurrence should be avoided.

#Random forest #Health records #Line (geometry) #Central line #Computer science #Medicine #Artificial intelligence #Mathematics #Intensive care medicine #Health care

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

댓글(0)