Zum Hauptinhalt springen

The myth of generalisability in clinical research and machine learning in health care.

Futoma, J ; Simons, M ; et al.
In: The Lancet. Digital health, Jg. 2 (2020-09-01), Heft 9, S. e489-e492
Online academicJournal

Titel:
The myth of generalisability in clinical research and machine learning in health care.
Autor/in / Beteiligte Person: Futoma, J ; Simons, M ; Panch, T ; Doshi-Velez, F ; Celi, LA
Link:
Zeitschrift: The Lancet. Digital health, Jg. 2 (2020-09-01), Heft 9, S. e489-e492
Veröffentlichung: [Oxford] : Elsevier Ltd., [2019]-, 2020
Medientyp: academicJournal
ISSN: 2589-7500 (electronic)
DOI: 10.1016/S2589-7500(20)30186-2
Schlagwort:
  • COVID-19
  • Humans
  • SARS-CoV-2
  • Biomedical Research
  • Delivery of Health Care
  • Machine Learning
Sonstiges:
  • Nachgewiesen in: MEDLINE
  • Sprachen: English
  • Publication Type: Journal Article; Review
  • Language: English
  • [Lancet Digit Health] 2020 Sep; Vol. 2 (9), pp. e489-e492. <i>Date of Electronic Publication: </i>2020 Aug 24.
  • MeSH Terms: Biomedical Research* ; Delivery of Health Care* ; Machine Learning* ; COVID-19 ; Humans ; SARS-CoV-2
  • References: BMJ. 2020 May 20;369:m1501. (PMID: 32434791) ; JMIR Med Inform. 2019 Jan 08;7(1):e11605. (PMID: 30622091) ; Ann Intern Med. 1999 Mar 16;130(6):515-24. (PMID: 10075620) ; Lancet. 2005 Jan 1-7;365(9453):82-93. (PMID: 15639683) ; Am J Epidemiol. 2006 Mar 15;163(6):493-501. (PMID: 16443796) ; BMJ. 2018 Apr 30;361:k1479. (PMID: 29712648) ; BMJ. 2001 Jul 7;323(7303):42-6. (PMID: 11440947) ; Radiology. 2020 Mar;294(3):487-489. (PMID: 31891322) ; Neural Netw. 2019 May;113:54-71. (PMID: 30780045) ; Crit Care Med. 2019 Jan;47(1):49-55. (PMID: 30247239) ; Stat Med. 2000 Feb 29;19(4):453-73. (PMID: 10694730) ; N Engl J Med. 2020 May 21;382(21):1973-1975. (PMID: 32202721) ; JAMA Ophthalmol. 2019 Sep 01;137(9):987-993. (PMID: 31194246) ; Artif Intell Med. 1997 Feb;9(2):107-38. (PMID: 9040894) ; PLoS Clin Trials. 2006 May;1(1):e9. (PMID: 16871331) ; J Am Med Inform Assoc. 2014 Jul-Aug;21(4):699-706. (PMID: 24481703) ; BMJ. 2016 Jun 22;353:i3140. (PMID: 27334381) ; Nat Med. 2018 Nov;24(11):1716-1720. (PMID: 30349085) ; Crit Care Med. 2020 May;48(5):623-633. (PMID: 32141923) ; Int J Nurs Stud. 2017 Nov;76:106-119. (PMID: 28950188) ; NPJ Digit Med. 2020 Jun 19;3:87. (PMID: 32577534) ; J Am Med Inform Assoc. 2017 Nov 01;24(6):1052-1061. (PMID: 28379439) ; Lancet Digit Health. 2020 Jun;2(6):e279-e281. (PMID: 33328120) ; J Med Internet Res. 2016 Dec 16;18(12):e323. (PMID: 27986644) ; BMJ. 2020 Apr 7;369:m1328. (PMID: 32265220) ; PLoS Med. 2018 Nov 6;15(11):e1002683. (PMID: 30399157) ; Diagn Progn Res. 2019 Feb 22;3:6. (PMID: 31093576) ; Perspect Biol Med. 2002 Fall;45(4):549-68. (PMID: 12388887) ; BMJ. 2020 Mar 25;368:m689. (PMID: 32213531) ; N Engl J Med. 2016 Dec 8;375(23):2293-2297. (PMID: 27959688)
  • Grant Information: R01 EB017205 United States EB NIBIB NIH HHS
  • Entry Date(s): Date Created: 20200901 Date Completed: 20201228 Latest Revision: 20230328
  • Update Code: 20231215
  • PubMed Central ID: PMC7444947

Klicken Sie ein Format an und speichern Sie dann die Daten oder geben Sie eine Empfänger-Adresse ein und lassen Sie sich per Email zusenden.

oder
oder

Wählen Sie das für Sie passende Zitationsformat und kopieren Sie es dann in die Zwischenablage, lassen es sich per Mail zusenden oder speichern es als PDF-Datei.

oder
oder

Bitte prüfen Sie, ob die Zitation formal korrekt ist, bevor Sie sie in einer Arbeit verwenden. Benutzen Sie gegebenenfalls den "Exportieren"-Dialog, wenn Sie ein Literaturverwaltungsprogramm verwenden und die Zitat-Angaben selbst formatieren wollen.

xs 0 - 576
sm 576 - 768
md 768 - 992
lg 992 - 1200
xl 1200 - 1366
xxl 1366 -