Status: Bibliographieeintrag
Standort: ---
Exemplare:
---
| Online-Ressource |
Verfasst von: | Reuter, Anna [VerfasserIn]  |
| Smolić, Šime [VerfasserIn]  |
| Bärnighausen, Till [VerfasserIn]  |
| Sudharsanan, Nikkil [VerfasserIn]  |
Titel: | Predicting missed health care visits during the COVID-19 pandemic using machine learning methods |
Titelzusatz: | evidence from 55,500 individuals from 28 European Countries |
Verf.angabe: | Anna Reuter, Prof. Šime Smolić, Prof. Dr. Till Bärnighausen, Prof. Dr. Nikkil Sudharsanan |
Ausgabe: | Preprint |
E-Jahr: | 2022 |
Jahr: | March 04, 2022 |
Umfang: | 21 S. |
Fussnoten: | This version: February 28, 2022 ; Gesehen am 04.08.2022 |
Titel Quelle: | Enthalten in: medRxiv |
Ort Quelle: | Cold Spring Harbor : Cold Spring Harbor Laboratory, 2019 |
Jahr Quelle: | 2022 |
Band/Heft Quelle: | (2022), Artikel-ID 2022.03.01.22271611, Seite 1-21 |
Abstract: | Background The COVID-19 pandemic has led many individuals to miss essential care. Machine-learning models that predict which patients are at greatest risk of missing care visits can help health administrators prioritize retentions efforts towards patients with the most need. Such approaches may be especially useful for efficiently targeting interventions for health systems overburdened by the COVID-19 pandemic. |
DOI: | doi:10.1101/2022.03.01.22271611 |
URL: | Bitte beachten Sie: Dies ist ein Bibliographieeintrag. Ein Volltextzugriff für Mitglieder der Universität besteht hier nur, falls für die entsprechende Zeitschrift/den entsprechenden Sammelband ein Abonnement besteht oder es sich um einen OpenAccess-Titel handelt.
Volltext: https://doi.org/10.1101/2022.03.01.22271611 |
| Volltext: http://medrxiv.org/lookup/doi/10.1101/2022.03.01.22271611 |
| DOI: https://doi.org/10.1101/2022.03.01.22271611 |
Datenträger: | Online-Ressource |
Sprache: | eng |
K10plus-PPN: | 1813293716 |
Verknüpfungen: | → Sammelwerk |
Predicting missed health care visits during the COVID-19 pandemic using machine learning methods / Reuter, Anna [VerfasserIn]; March 04, 2022 (Online-Ressource)
68950430