ఇండెక్స్ చేయబడింది
  • అకడమిక్ జర్నల్స్ డేటాబేస్
  • J గేట్ తెరవండి
  • జెనామిక్స్ జర్నల్‌సీక్
  • JournalTOCలు
  • చైనా నేషనల్ నాలెడ్జ్ ఇన్‌ఫ్రాస్ట్రక్చర్ (CNKI)
  • స్కిమాగో
  • ఉల్రిచ్ పీరియాడికల్స్ డైరెక్టరీ
  • RefSeek
  • హమ్దార్డ్ విశ్వవిద్యాలయం
  • EBSCO AZ
  • OCLC- వరల్డ్ క్యాట్
  • పబ్లోన్స్
  • మియార్
  • యూనివర్సిటీ గ్రాంట్స్ కమిషన్
  • జెనీవా ఫౌండేషన్ ఫర్ మెడికల్ ఎడ్యుకేషన్ అండ్ రీసెర్చ్
  • యూరో పబ్
  • గూగుల్ స్కాలర్
ఈ పేజీని భాగస్వామ్యం చేయండి

నైరూప్య

COVID-19 డెత్ ప్రాబబిలిటీ ప్రొఫైలింగ్ కోసం డెసిషన్ ట్రీ-బేస్డ్ సమిష్టి మెషిన్ లెర్నింగ్ మోడల్‌లను పోల్చడం

కార్లోస్ పెడ్రో గోన్‌కాల్వ్స్*, జోస్ రౌకో

నేపధ్యం: కోవిడ్-19 తీవ్రత మరియు మరణ ప్రమాదంలో వయస్సు సమూహం, లింగం మరియు అంతర్లీన కొమొర్బిడిటీ లేదా వ్యాధి ప్రధాన ప్రమాద కారకాలుగా గుర్తించబడ్డాయి.

లక్ష్యం: మేము కోవిడ్-19 డెత్ ప్రాబబిలిటీ ప్రిడిక్షన్ టాస్క్‌పై మేజర్ డెసిషన్ ట్రీ-బేస్డ్ సమిష్టి మెషిన్ లెర్నింగ్ మోడల్‌ల పనితీరును పోల్చి చూస్తాము, మూడు ప్రమాద కారకాలపై షరతులతో కూడినది: వయస్సు సమూహం, లింగం మరియు అంతర్లీనంగా ఉన్న కొమొర్బిడిటీ లేదా వ్యాధి, US సెంటర్స్ ఫర్ డిసీజ్ కంట్రోల్ ఉపయోగించి మరియు నివారణ (CDC) యొక్క COVID-19 కేసు నిఘా డేటాసెట్.

విధానం: COVID-19 మరణ సంభావ్యతపై మూడు ప్రమాద కారకాల ప్రభావాన్ని అంచనా వేయడానికి, మేము ఉత్తమ పనితీరు గల మోడల్ ద్వారా రూపొందించబడిన షరతులతో కూడిన సంభావ్యత ప్రొఫైల్‌ను సంగ్రహించి విశ్లేషిస్తాము.

ఫలితం: కోవిడ్-19 నుండి మరణ సంభావ్యతలో ఘాతాంక పెరుగుదల ఉన్నట్లు ఫలితాలు చూపుతున్నాయి, మగవారు ఆడవారి కంటే అధిక ఘాతాంక వృద్ధి రేటును ప్రదర్శిస్తారు, దీని ప్రభావం అంతర్లీన కొమొర్బిడిటీ లేదా వ్యాధి ఉన్నపుడు బలంగా ఉంటుంది, ఇది కూడా పురుషులు మరియు మహిళలు ఇద్దరికీ COVID-19 మరణ సంభావ్యత పెరుగుదలకు యాక్సిలరేటర్‌గా పనిచేస్తుంది. ఈ ఫలితాలు హెల్త్‌కేర్ మరియు ఎపిడెమియోలాజికల్ ఆందోళనలకు సంబంధించి చర్చించబడ్డాయి మరియు COVID-19పై ఇతర అధ్యయనాల నుండి వచ్చిన ఫలితాలను అవి ఏ స్థాయిలో బలపరుస్తాయి.

నిరాకరణ: ఈ సారాంశం ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ టూల్