اکسپرس 24
ترجمه فارسی مقاله پیش‌بینی بقای طولانی‌مدت آلوگرافت در گیرندگان پیوند کبد

ترجمه فارسی مقاله پیش‌بینی بقای طولانی‌مدت آلوگرافت در گیرندگان پیوند کبد

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Predicting Long-Term Allograft Survival in Liver Transplant Recipients
عنوان مقاله به فارسی پیش‌بینی بقای طولانی‌مدت آلوگرافت در گیرندگان پیوند کبد
نویسندگان Xiang Gao, Michael Cooper, Maryam Naghibzadeh, Amirhossein Azhie, Mamatha Bhat, Rahul G. Krishnan
فرمت مقاله انگلیسی PDF
تعداد صفحات 28
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 10 August, 2024; originally announced August 2024. , Comments: Accepted at MLHC 2024
توضیحات به فارسی ارسال شده 10 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: پذیرفته شده در MLHC 2024

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 1,120,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Liver allograft failure occurs in approximately 20% of liver transplant recipients within five years post-transplant, leading to mortality or the need for retransplantation. Providing an accurate and interpretable model for individualized risk estimation of graft failure is essential for improving post-transplant care. To this end, we introduce the Model for Allograft Survival (MAS), a simple linear risk score that outperforms other advanced survival models. Using longitudinal patient follow-up data from the United States (U.S.), we develop our models on 82,959 liver transplant recipients and conduct multi-site evaluations on 11 regions. Additionally, by testing on a separate non-U.S. cohort, we explore the out-of-distribution generalization performance of various models without additional fine-tuning, a crucial property for clinical deployment. We find that the most complex models are also the ones most vulnerable to distribution shifts despite achieving the best in-distribution performance. Our findings not only provide a strong risk score for predicting long-term graft failure but also suggest that the routine machine learning pipeline with only in-distribution held-out validation could create harmful consequences for patients at deployment.

چکیده به فارسی (ترجمه ماشینی)

نارسایی آلوگرافت کبد در حدود 20 ٪ از گیرندگان پیوند کبد در طی پنج سال پس از پیوند رخ می دهد و منجر به مرگ و میر یا نیاز به پیوند مجدد می شود.ارائه یک مدل دقیق و قابل تفسیر برای برآورد خطر فردی از نارسایی پیوند برای بهبود مراقبت های پس از پیوند ضروری است.برای این منظور ، ما مدل برای بقا آلوگرافت (MAS) را معرفی می کنیم ، یک نمره خطر خطی ساده که از سایر مدلهای پیشرفته بقا بهتر است.با استفاده از داده های پیگیری بیمار طولی از ایالات متحده (ایالات متحده) ، ما مدل های خود را در مورد 82.959 گیرنده پیوند کبد توسعه داده و ارزیابی های چند سایت را در 11 منطقه انجام می دهیم.علاوه بر این ، با آزمایش یک گروه جداگانه غیر U.S. ، ما عملکرد عمومی سازی خارج از توزیع مدلهای مختلف را بدون تنظیم دقیق اضافی ، یک خاصیت مهم برای استقرار بالینی بررسی می کنیم.ما می دانیم که پیچیده ترین مدل ها نیز با وجود دستیابی به بهترین عملکرد در توزیع ، در معرض تغییرات توزیع قرار دارند.یافته های ما نه تنها نمره خطر جدی برای پیش بینی نارسایی طولانی مدت پیوند ارائه می دهد ، بلکه نشان می دهد که خط لوله یادگیری ماشین معمول با اعتبار موجود در توزیع ، می تواند عواقب مضر برای بیماران در استقرار ایجاد کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.