Predicting the Mortality and Readmission of In-Hospital Cardiac Arrest Patients With Electronic Health Records: A Machine Learning Approach

• Huvudskapare: Chien-Yu Chi (Författare, medförfattare), Shuang Ao (Författare, medförfattare), Adrian Winkler (Författare, medförfattare), Kuan-Chun Fu (Författare, medförfattare), Jie Xu (Författare, medförfattare), Yi-Lwun Ho (Författare, medförfattare), Chien-Hua Huang (Författare, medförfattare), Rohollah Soltani (Författare, medförfattare)
• Materialtyp: Bok
• Publicerad: JMIR Publications, 2021-09-01T00:00:00Z.
• Ämnen: article
• Länkar: Connect to this object online.

BackgroundIn-hospital cardiac arrest (IHCA) is associated with high mortality and health care costs in the recovery phase. Predicting adverse outcome events, including readmission, improves the chance for appropriate interventions and reduces health care costs. However, studies related to the early...