A novel, machine-learning model for prediction of short-term ASCVD risk over 90 and 365 days

• Hauptverfasser: Tomer Gazit (Verfasst von), Hanan Mann (Verfasst von), Shiri Gaber (Verfasst von), Pavel Adamenko (Verfasst von), Granit Pariente (Verfasst von), Liron Volsky (Verfasst von), Amir Dolev (Verfasst von), Helena Lyson (Verfasst von), Eyal Zimlichman (Verfasst von), Jay A. Pandit (Verfasst von), Edo Paz (Verfasst von)
• Format: Buch
• Veröffentlicht: Frontiers Media S.A., 2024-11-01T00:00:00Z.
• Schlagworte: article
• Online-Zugang: Connect to this object online.

BackgroundCurrent atherosclerotic cardiovascular disease (ASCVD) risk assessment tools like the Pooled Cohort Equations (PCEs) and PREVENT™ scores offer long-term predictions but may not effectively drive behavior change. Short-term risk predictions using mobile health (mHealth) data and electronic...