• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Promises and challenges of machine learning for device therapy in heart failure.

作者信息

Gautam Nitesh, Mounsey John Paul, Yeh Edward T H, Al'Aref Subhi J

机构信息

Department of Internal Medicine, University of Arkansas for Medical Sciences, 4301 W. Markham St., Little Rock, AR 72205, USA.

Division of Cardiology, University of Arkansas for Medical Sciences, 4301 W. Markham St., Little Rock, AR 72205, USA.

出版信息

Eur Heart J. 2023 May 7;44(18):1583-1585. doi: 10.1093/eurheartj/ehad036.

DOI:10.1093/eurheartj/ehad036
PMID:36806933
Abstract
摘要

相似文献

1
Promises and challenges of machine learning for device therapy in heart failure.机器学习在心力衰竭器械治疗中的前景与挑战
Eur Heart J. 2023 May 7;44(18):1583-1585. doi: 10.1093/eurheartj/ehad036.
2
Contemporary Applications of Machine Learning for Device Therapy in Heart Failure.机器学习在心力衰竭器械治疗中的当代应用
JACC Heart Fail. 2022 Sep;10(9):603-622. doi: 10.1016/j.jchf.2022.06.011.
3
Unleashing the Power of Machine Learning to Predict Myocardial Recovery After Left Ventricular Assist Device: A Call for the Inclusion of Unstructured Data Sources in Heart Failure Registries.
Circ Heart Fail. 2022 Jan;15(1):e009278. doi: 10.1161/CIRCHEARTFAILURE.121.009278. Epub 2021 Dec 24.
4
Machine learning in heart failure: ready for prime time.心力衰竭中的机器学习：准备好迎接黄金时代。
Curr Opin Cardiol. 2018 Mar;33(2):190-195. doi: 10.1097/HCO.0000000000000491.
5
Heartbeat: can machine learning improve outcomes in patients with heart failure with preserved ejection fraction?心跳：机器学习能否改善射血分数保留的心力衰竭患者的预后？
Heart. 2020 Mar;106(5):315-317. doi: 10.1136/heartjnl-2020-316635.
6
A Machine Learning Approach to Management of Heart Failure Populations.机器学习在心力衰竭人群管理中的应用。
JACC Heart Fail. 2020 Jul;8(7):578-587. doi: 10.1016/j.jchf.2020.01.012. Epub 2020 May 6.
7
Utilizing machine learning for predicting heart failure outcomes: A path toward developing a patient-centered approach.利用机器学习预测心力衰竭结局：迈向制定以患者为中心方法的道路。
Clin Cardiol. 2024 Mar;47(3):e24260. doi: 10.1002/clc.24260.
8
Phenomapping Heart Failure with Preserved Ejection Fraction Using Machine Learning Cluster Analysis: Prognostic and Therapeutic Implications.基于机器学习聚类分析的心衰伴射血分数保留的表型分析：预后和治疗意义。
Heart Fail Clin. 2021 Jul;17(3):499-518. doi: 10.1016/j.hfc.2021.02.010.
9
Machine learning-based phenogrouping in heart failure to identify responders to cardiac resynchronization therapy.基于机器学习的心衰表型分组以识别心脏再同步治疗的反应者。
Eur J Heart Fail. 2019 Jan;21(1):74-85. doi: 10.1002/ejhf.1333. Epub 2018 Oct 17.
10
Machine learning-guided phenotyping of dilated cardiomyopathy and treatment of heart failure by antisense oligonucleotides: the future has begun.机器学习指导的扩张型心肌病表型分析及反义寡核苷酸治疗心力衰竭：未来已来。
Eur Heart J. 2021 Jan 7;42(2):139-142. doi: 10.1093/eurheartj/ehaa1063.

引用本文的文献

1
Predicting ICU mortality in heart failure patients based on blood tests and vital signs.基于血液检测和生命体征预测心力衰竭患者在重症监护病房的死亡率。
Front Cardiovasc Med. 2025 Jun 25;12:1590367. doi: 10.3389/fcvm.2025.1590367. eCollection 2025.