Obeidat Mahmoud et al. One in four patients with gastrointestinal bleeding develops shock or hemodynamic instability : A systematic review and meta-analysis. (2023) WORLD JOURNAL OF GASTROENTEROLOGY 1007-9327 2219-2840 29 28 4466-4480, 34103678
Összefoglaló cikk (Folyóiratcikk) | Tudományos[34103678]
  1. Jaxymbaev N. et al. Endoscopic Hemostasis in Ulcerative Gastroduodenal Bleeding. (2023) INTERNATIONAL JOURNAL OF CHEMICAL AND BIOCHEMICAL SCIENCES 2226-9614 24 6 470-478
    Szakcikk (Folyóiratcikk) | Tudományos[34751287] [Nyilvános]
    Független, Idéző: 34751287, Kapcsolat: 34197022
Kiss Szabolcs et al. Early prediction of acute necrotizing pancreatitis by artificial intelligence : a prospective cohort-analysis of 2387 cases. (2022) SCIENTIFIC REPORTS 2045-2322 2045-2322 12 1, 32823615
Sokszerzős vagy csoportos szerzőségű szakcikk (Folyóiratcikk) | Tudományos[32823615]
  1. Zou Menglian et al. Gut microbiota on admission as predictive biomarker for acute necrotizing pancreatitis. (2022) FRONTIERS IN IMMUNOLOGY 1664-3224 1664-3224 13
    Szakcikk (Folyóiratcikk) | Tudományos[33134575] [Egyeztetett]
    Független, Idéző: 33134575, Kapcsolat: 31744343
  2. Napoles-Duarte J. M. et al. Stmol: A component for building interactive molecular visualizations within streamlit web-applications. (2022) FRONTIERS IN MOLECULAR BIOSCIENCES 2296-889X 9
    Szakcikk (Folyóiratcikk) | Tudományos[33154582] [Nyilvános]
    Független, Idéző: 33154582, Kapcsolat: 31794376
  3. * Tarján Dorottya et al. Acute Pancreatitis Severity Prediction: It Is Time to Use Artificial Intelligence. (2023) JOURNAL OF CLINICAL MEDICINE 2077-0383 12 1
    Ismertetés (Folyóiratcikk) | Tudományos[33560475] [Egyeztetett]
    Függő, Idéző: 33560475, Kapcsolat: 32457832
  4. Archibugi L. et al. Machine learning for the prediction of post-ERCP Pancreatitis risk: A proof-of-concept study. (2023) DIGESTIVE AND LIVER DISEASE 1590-8658 1878-3562 55 3 387-393
    Szakcikk (Folyóiratcikk) | Tudományos[33581939] [Egyeztetett]
    Független, Idéző: 33581939, Kapcsolat: 32457835
  5. Kolosovych I.V. et al. Сучасні аспекти патогенезу та діагностики гострого панкреатиту [Modern aspects of pathogenesis and diagnosis of acute pancreatitis]. (2023) FIZIOLOHICHNYI ZHURNAL 2522-9028 69 1 84-97
    Szakcikk (Folyóiratcikk) | Tudományos[33827117] [Egyeztetett]
    Független, Idéző: 33827117, Kapcsolat: 32799022
  6. Li Jia-Ning et al. Machine learning improves prediction of severity and outcomes of acute pancreatitis: a prospective multi-center cohort study. (2023) SCIENCE CHINA LIFE SCIENCES 1674-7305 1869-1889 66 1934-1937
    Hozzászólás, helyreigazítás (Folyóiratcikk) | Tudományos[33980644] [Nyilvános]
    Független, Idéző: 33980644, Kapcsolat: 33056137
  7. Ahn J.C. et al. Artificial intelligence in gastroenterology and hepatology. (2023) Megjelent: Artificial Intelligence in Clinical Practice: How AI Technologies Impact Medical Research and Clinics pp. 443-464
    Könyvfejezet (Könyvrészlet) | Tudományos[34401391] [Nyilvános]
    Független, Idéző: 34401391, Kapcsolat: 33673406
  8. Hu J.-X. et al. Acute pancreatitis: A review of diagnosis, severity prediction and prognosis assessment from imaging technology, scoring system and artificial intelligence. (2023) WORLD JOURNAL OF GASTROENTEROLOGY 1007-9327 2219-2840 29 37 5268-5291
    Összefoglaló cikk (Folyóiratcikk) | Tudományos[34401393] [Egyeztetett]
    Független, Idéző: 34401393, Kapcsolat: 33673407
  9. Yin M. et al. Research advances in machine learning models for acute pancreatitis. (2023) CHINESE JOURNAL OF CLINICAL HEPATOLOGY 1001-5256 2097-3497 39 12 2978-2984
    Összefoglaló cikk (Folyóiratcikk) | Tudományos[34509610] [Nyilvános]
    Független, Idéző: 34509610, Kapcsolat: 33859989
2024-05-20 05:27