Rechercher
image du produit
American Journal of Obstetrics and Gynecology

S'abonner

57: Can machine-learning predict the need for postpartum transfusion with clinical knowledge at time of delivery? - 01/01/20

Doi : 10.1016/j.ajog.2019.11.073 
Nicholas Spies 1, Candice Woolfolk 2, George A. Macones 3, Alison G. Cahill 3, Jonathan S. Hirshberg 2
1 Barnes-Jewish Hospital, St. Louis, MO 
2 Washington University in St. Louis, St. Louis, MO 
3 The University of Texas at Austin, Dell Medical School, Austin, TX 

Le texte complet de cet article est disponible en PDF.
Le texte complet de cet article est disponible en PDF.

Plan


© 2019  Publié par Elsevier Masson SAS.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

    •

  • Contenu

    •

Vol 222 - N° 1S

P. S49 - janvier 2020 Retour au numéro
Article précédent Article précédent
  • Oral Concurrent Session 5 Divider Page
| Article suivant Article suivant
  • 58: Detecting the maternal in mortality: A data fusion approach to improving pregnancy-associated mortality ascertainment
  • Stefanie J. Hollenbach, Lisa Gray, Eva K. Pressman, Kathryn Drennan

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Accès rapides

Mon compte

Aide & support

Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.

Tout le contenu de ce site: Copyright © 2025 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.