Data-driven model for chronic kidney disease progression : a work in progress
Alvarez, Candelaria (Universitat Autònoma de Barcelona)
Suppi Boldrito, Remo (Universitat Autònoma de Barcelona)
Ibeas, Jose (Parc Taulí Hospital Universitari. Institut d'Investigació i Innovació Parc Taulí (I3PT))
Balladini, Javier (Universidad Nacional del Comahue)

Publicación:	Ostend: EUROSIS-ETI Publication, 2024
Descripción:	4 pàg.
Resumen:	In medicine, data-driven models can be used to simulate disease progression and generate clinical decision support systems (CDSS). While artificial intelligence (AI) and machine learning (ML) models are common, their lack of traceability poses challenges in medical contexts, where transparency is crucial. This study aims to create a traceable data-driven model for Chronic Kidney Disease (CKD) progression without using AI or ML. The study will develop and validate a simulator based on this model with real-world data. This paper describes the development of the model, the processing of CKD patient data, the implementation of the simulator, and the validation of results.
Ayudas:	Agencia Estatal de Investigación PID2020-112496GB-I00
Derechos:	Aquest material està protegit per drets d'autor i/o drets afins. Podeu utilitzar aquest material en funció del que permet la legislació de drets d'autor i drets afins d'aplicació al vostre cas. Per a d'altres usos heu d'obtenir permís del(s) titular(s) de drets.
Lengua:	Anglès
Documento:	Capítol de llibre ; recerca ; Versió publicada
Materia:	Chronic kidney disease ; Data-driven model ; Simulation
Publicado en:	38th annual European Simulation and Modelling Conference, 2024, p. 110-113, ISBN 9789492859334

13 p, 823.3 KB

El registro aparece en las colecciones:
Libros y colecciones > Capítulos de libros