Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Early prediction of renal replacement therapy within 24 hours after septic shock recognition in the emergency department using machine learning: a retrospective analysis of a prospectively collected multicenter registry
2026·0 Zitationen·BMC Emergency MedicineOpen Access
Volltext beim Verlag öffnen0
Zitationen
13
Autoren
2026
Jahr
Abstract
Für dieses Paper ist kein Abstract in der Datenbank hinterlegt.
Abstract beim Verlag einsehenÄhnliche Arbeiten
Clinical course and risk factors for mortality of adult inpatients with COVID-19 in Wuhan, China: a retrospective cohort study
2020 · 29.034 Zit.
The Third International Consensus Definitions for Sepsis and Septic Shock (Sepsis-3)
2016 · 27.218 Zit.
APACHE II
1985 · 13.578 Zit.
Definitions for Sepsis and Organ Failure and Guidelines for the Use of Innovative Therapies in Sepsis
1992 · 13.175 Zit.
The SOFA (Sepsis-related Organ Failure Assessment) score to describe organ dysfunction/failure
1996 · 11.491 Zit.
Autoren
Institutionen
- Soonchunhyang University(KR)
- Bucheon University(KR)
- Hanyang University(KR)
- Yonsei University(KR)
- Gangnam Severance Hospital(KR)
- Seoul National University Hospital(KR)
- Korea University Medical Center(KR)
- Ulsan College(KR)
- Asan Medical Center(KR)
- University of Ulsan(KR)
- CHA University Bundang Medical Center(KR)
- CHA University(KR)
- Kyung Hee University(KR)
- Samsung Medical Center(KR)
Themen
Sepsis Diagnosis and TreatmentAcute Kidney Injury ResearchArtificial Intelligence in Healthcare and Education