Wyniki wyszukiwania:

Accurate quantification of ASCVD risk is essential for early and effective cardiovascular risk management. Conventional models rely solely on traditional risk factors (TRFs). These often fail to incorporate newer, non-traditional risk variables, leading to potential underestimation or overestimation of risk, especially across diverse ethnic populations. This book introduces a novel machine learning (ML)-based framework that integrates TRFs with non-traditional ultrasound-based markers like carotid intima-media thickness (cIMT) and carotid plaque (cP) features, to enhance the predictive...

Une quantification précise du risque de maladie cardiovasculaire aiguë est essentielle pour une gestion précoce et efficace du risque cardiovasculaire. Les modèles conventionnels s'appuient uniquement sur les facteurs de risque traditionnels (FRT). Souvent, ils n'intègrent pas les nouvelles variables de risque non traditionnelles, ce qui entraîne une sous-estimation ou une surestimation potentielle du risque, en particulier dans les diverses populations ethniques. Ce livre présente un nouveau cadre basé sur l'apprentissage automatique qui intègre les FRT avec des marqueurs...

Eine genaue Quantifizierung des ASCVD-Risikos ist für ein frühzeitiges und wirksames kardiovaskuläres Risikomanagement unerlässlich. Herkömmliche Modelle stützen sich ausschließlich auf traditionelle Risikofaktoren (TRFs). Dabei werden neuere, nicht-traditionelle Risikovariablen oft nicht berücksichtigt, was zu einer potenziellen Unter- oder Überschätzung des Risikos führt, insbesondere bei unterschiedlichen ethnischen Populationen. In diesem Buch wird ein neuartiges, auf maschinellem Lernen (ML) basierendes System vorgestellt, das TRFs mit nicht-traditionellen ultraschallbasierten...