OA02.02 development of machine learning model to estimate overall survival in patients with advanced NSCLC and ECOG-PS > 1 (2021)
- Authors:
- USP affiliated authors: FUJITA, ANDRÉ - IME ; CARVALHO, VINÍCIUS JARDIM - BIOINFORMÁTICA
- Unidades: IME; BIOINFORMÁTICA
- DOI: 10.1016/j.jtho.2021.08.038
- Subjects: INTELIGÊNCIA ARTIFICIAL; CUIDADOS PALIATIVOS
- Language: Inglês
- Imprenta:
- Source:
- Título do periódico: Journal of Thoracic Oncology
- ISSN: 1556-0864
- Volume/Número/Paginação/Ano: v. 16, n. 10, Supplement, p. S850, 2021
- Conference titles: World Conference on Lung Cancer Worldwide
- Este periódico é de assinatura
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: hybrid
- Licença: publisher-specific-oa
-
ABNT
CUNHA, M et al. OA02.02 development of machine learning model to estimate overall survival in patients with advanced NSCLC and ECOG-PS > 1. Journal of Thoracic Oncology. New York: Instituto de Matemática e Estatística, Universidade de São Paulo. Disponível em: https://doi.org/10.1016/j.jtho.2021.08.038. Acesso em: 30 abr. 2024. , 2021 -
APA
Cunha, M., Borges, A. P., Carvalho, V. J., Fujita, A., & Castro, G. D. (2021). OA02.02 development of machine learning model to estimate overall survival in patients with advanced NSCLC and ECOG-PS > 1. Journal of Thoracic Oncology. New York: Instituto de Matemática e Estatística, Universidade de São Paulo. doi:10.1016/j.jtho.2021.08.038 -
NLM
Cunha M, Borges AP, Carvalho VJ, Fujita A, Castro GD. OA02.02 development of machine learning model to estimate overall survival in patients with advanced NSCLC and ECOG-PS > 1 [Internet]. Journal of Thoracic Oncology. 2021 ; 16( 10): S850.[citado 2024 abr. 30 ] Available from: https://doi.org/10.1016/j.jtho.2021.08.038 -
Vancouver
Cunha M, Borges AP, Carvalho VJ, Fujita A, Castro GD. OA02.02 development of machine learning model to estimate overall survival in patients with advanced NSCLC and ECOG-PS > 1 [Internet]. Journal of Thoracic Oncology. 2021 ; 16( 10): S850.[citado 2024 abr. 30 ] Available from: https://doi.org/10.1016/j.jtho.2021.08.038 - OA02.02 development of machine learning model to estimate overall survival in patients with advanced NSCLC and ECOG-PS > 1
- Predicting survival in metastatic non‐small cell lung cancer patients with poor ECOG‐PS: a single‐arm prospective study
- Computational tools for comparing gene coexpression networks
- BioNetStat: uma ferramenta para análise diferencial de redes biológicas
- Impact of systemic inflammation, intramuscular adipose tissue content, and EORTC-QLQ-CAX24 symptom scale on the prognosis of patients with advanced non-small-cell lung cancer
- A expressão de Epirregulina e o papel dual dos macrófagos pró-inflamátorios no microambiente tumoral de Carcinoma Pulmonar de Células Não Pequenas
- Deletion and low expression of NFKBIA are associated with poor prognosis in lower-grade glioma patients
- Análise de dados de expressão gênica: normalização de microarrays e modelagem de redes regulatórias
- Identifying regulational alterations in gene regulatory networks by state space representation of vector autoregressive models and variational annealing
- Potential confounders in the analysis of Brazilian adolescent’s health: a combination of machine learning and graph theory
Informações sobre o DOI: 10.1016/j.jtho.2021.08.038 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 | 3169117.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
