Login
- Originaltitel:
- Einfluss der Covid-19-Pandemie auf die Vorhersagegüte eines maschinellen Lernalgorithmus zur Prädiktion perioperativer Mortalität
- Übersetzter Titel:
- Impact of the Covid 19 pandemic on the predictive performance of a machine learning algorithm for the prediction of perioperative mortality
- Autor:
- Andonov, Dimislav Ivanov
- Jahr:
- 2023
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- TUM School of Medicine and Health
- Betreuer:
- Kagerbauer, Simone (Priv.-Doz. Dr.)
- Gutachter:
- Kagerbauer, Simone (Priv.-Doz. Dr.); Rammes, Gerhard (Prof. Dr.)
- Sprache:
- de
- Fachgebiet:
- MED Medizin
- TU-Systematik:
- MED 520
- Kurzfassung:
- Machine-learning-Methoden erhalten zunehmend Einzug in die medizinische Versorgung. XGBoost-Modelle werden im medizinischen Kontext häufig verwendet. Ihre Zuverlässigkeit im Rahmen der Covid-19-Pandemie wurde jedoch noch nicht ausreichend untersucht. Die vorliegende Studie verdeutlicht Stärken und Schwächen XGBoost-basierter Modelle für die Kategorisierung von Patienten,etwa im Rahmen einer Pandemie. Ein Einsatz derartiger Modelle in der Routineversorgung ist derzeit jedoch noch nicht absehbar.
- Übersetzte Kurzfassung:
- Machine-learning methods are increasingly finding their way into medical care. XGBoost models are widely used in the medical context. However, their reliability in the context of the Covid 19 pandemic has not been adequately studied. This study highlights strengths and weaknesses of XGBoost-based models for categorizing patients,such as in the context of a pandemic. However, use of such models in routine care is not currently foreseeable.
- WWW:
- https://mediatum.ub.tum.de/?id=1708910
- Eingereicht am:
- 05.06.2023
- Mündliche Prüfung:
- 06.11.2023
- Dateigröße:
- 2653837 bytes
- Seiten:
- 60
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20231106-1708910-1-6
- Letzte Änderung:
- 22.11.2023
BibTeX