תוכן מסופק על ידי Nature Publishing Group. כל תוכן הפודקאסטים כולל פרקים, גרפיקה ותיאורי פודקאסטים מועלים ומסופקים ישירות על ידי Nature Publishing Group או שותף פלטפורמת הפודקאסט שלהם. אם אתה מאמין שמישהו משתמש ביצירה שלך המוגנת בזכויות יוצרים ללא רשותך, אתה יכול לעקוב אחר התהליך המתואר כאן https://he.player.fm/legal.
Player FM - אפליקציית פודקאסט
התחל במצב לא מקוון עם האפליקציה Player FM !
התחל במצב לא מקוון עם האפליקציה Player FM !
Cardiorespiratory signature of neonatal sepsis
MP3•בית הפרקים
Manage episode 365449998 series 1118500
תוכן מסופק על ידי Nature Publishing Group. כל תוכן הפודקאסטים כולל פרקים, גרפיקה ותיאורי פודקאסטים מועלים ומסופקים ישירות על ידי Nature Publishing Group או שותף פלטפורמת הפודקאסט שלהם. אם אתה מאמין שמישהו משתמש ביצירה שלך המוגנת בזכויות יוצרים ללא רשותך, אתה יכול לעקוב אחר התהליך המתואר כאן https://he.player.fm/legal.
Heart rate characteristics and demographic factors have long been used to aid early detection of late-onset sepsis, however respiratory data may contain additional signatures of infection.
In this episode we meet Early Career Investigator Brynne Sullivan from the University of Virginia. She and her team developed machine learning models to predict late-onset sepsis that were trained on heart rate and respiratory data to provide a cardiorespiratory early warning system which outperformed models using heart rate or demographics alone.
Read the full article here: Cardiorespiratory signature of neonatal sepsis: development and validation of prediction models in 3 NICUs | Pediatric Research
Hosted on Acast. See acast.com/privacy for more information.
121 פרקים
MP3•בית הפרקים
Manage episode 365449998 series 1118500
תוכן מסופק על ידי Nature Publishing Group. כל תוכן הפודקאסטים כולל פרקים, גרפיקה ותיאורי פודקאסטים מועלים ומסופקים ישירות על ידי Nature Publishing Group או שותף פלטפורמת הפודקאסט שלהם. אם אתה מאמין שמישהו משתמש ביצירה שלך המוגנת בזכויות יוצרים ללא רשותך, אתה יכול לעקוב אחר התהליך המתואר כאן https://he.player.fm/legal.
Heart rate characteristics and demographic factors have long been used to aid early detection of late-onset sepsis, however respiratory data may contain additional signatures of infection.
In this episode we meet Early Career Investigator Brynne Sullivan from the University of Virginia. She and her team developed machine learning models to predict late-onset sepsis that were trained on heart rate and respiratory data to provide a cardiorespiratory early warning system which outperformed models using heart rate or demographics alone.
Read the full article here: Cardiorespiratory signature of neonatal sepsis: development and validation of prediction models in 3 NICUs | Pediatric Research
Hosted on Acast. See acast.com/privacy for more information.
121 פרקים
כל הפרקים
×ברוכים הבאים אל Player FM!
Player FM סורק את האינטרנט עבור פודקאסטים באיכות גבוהה בשבילכם כדי שתהנו מהם כרגע. זה יישום הפודקאסט הטוב ביותר והוא עובד על אנדרואיד, iPhone ואינטרנט. הירשמו לסנכרון מנויים במכשירים שונים.