Davide Placido
Postdoc, Gæsteforsker
Brunak Group
Blegdamsvej 3B
2200 København N
Medlem af:
- 2024
- Udgivet
Seasonally adjusted laboratory reference intervals to improve the performance of machine learning models for classification of cardiovascular diseases
Muse, V. P., Placido, Davide, Haue, Amalie Dahl & Brunak, Søren, 2024, I: BMC Medical Informatics and Decision Making. 24, 62.Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
- 2023
- Udgivet
A deep learning algorithm to predict risk of pancreatic cancer from disease trajectories
Placido, D., Yuan, B., Hjaltelin, J. X., Zheng, C., Haue, A. D., Chmura, P. J., Yuan, C., Kim, J., Umeton, R., Antell, G., Chowdhury, A., Franz, A., Brais, L., Andrews, E., Marks, D. S., Regev, A., Ayandeh, S., Brophy, M. T., Do, N. V., Kraft, P. & 5 flere, , 2023, I: Nature Medicine. 29, s. 1113-1122Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
- Udgivet
Development of a dynamic prediction model for unplanned ICU admission and mortality in hospitalized patients
Placido, Davide, Thorsen-Meyer, H., Kaas-Hansen, Benjamin Skov, Reguant, R. & Brunak, Søren, 2023, I: PLOS Digital Health. 2, 6, 18 s., e0000116.Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
- 2022
- Udgivet
- Udgivet
Discrete-time survival analysis in the critically ill: a deep learning approach using heterogeneous data
Thorsen-Meyer, H., Placido, Davide, Kaas-Hansen, Benjamin Skov, Nielsen, A. P., Lange, Theis, Nielsen, A. B., Toft, P., Schierbeck, J., Strøm, T., Chmura, Piotr Jaroslaw, Heimann, M., Belling, K., Perner, Anders & Brunak, Søren, 2022, I: npj Digital Medicine. 5, 10 s., 142.Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
- Udgivet
Eliciting drug safety signals from patient records: a language-agnostic approach
Kaas-Hansen, Benjamin Skov, Placido, Davide, Rodriguez, C., Thorsen-Meyer, H., Gentile, S., Nielsen, A., Brunak, Søren, Jürgens, Gesche & Andersen, S., 2022, s. S15-S16. 2 s.Publikation: Konferencebidrag › Konferenceabstrakt til konference › Forskning › fagfællebedømt
- Udgivet
Language-agnostic pharmacovigilant text mining to elicit side effects from clinical notes and hospital medication records
Kaas-Hansen, Benjamin Skov, Placido, Davide, Rodríguez, C. L., Thorsen-Meyer, H., Gentile, S., Nielsen, A. P., Brunak, Søren, Jürgens, Gesche & Andersen, Stig Ejdrup, 2022, I: Basic & clinical pharmacology & toxicology. 131, 4, s. 282-293 12 s.Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
- Udgivet
Language-agnostic pharmacovigilant text mining to elicit side effects from clinical notes and hospital medication records
Kaas-Hansen, Benjamin Skov, Placido, Davide, Rodrìguez, C. L., Thorsen-Meyer, H., Gentile, S., Nielsen, A. P., Brunak, Søren, Jürgens, Gesche & Andersen, Stig Ejdrup, 2022, Authorea, (Authorea Preprints).Publikation: Working paper › Preprint › Forskning
- Udgivet
Machine Learning to Identify Patients at Risk of Inappropriate Dosing for Renal Risk Medications: A Critical Comment on Kaas-Hansen et al [Response to Letter]
Kaas-Hansen, Benjamin Skov, Leal Rodríguez, C., Placido, Davide, Thorsen-Meyer, H., Nielsen, A. P., Dérian, N., Brunak, Søren & Andersen, Stig Ejdrup, 2022, I: Clinical Epidemiology. 14, s. 765-766 2 s.Publikation: Bidrag til tidsskrift › Kommentar/debat › Forskning
- Udgivet
Using Machine Learning to Identify Patients at High Risk of Inappropriate Drug Dosing in Periods with Renal Dysfunction
Kaas-Hansen, Benjamin Skov, Leal Rodríguez, C., Placido, Davide, Thorsen-Meyer, H., Nielsen, A. P., Dérian, N., Brunak, Søren & Andersen, Stig Ejdrup, 2022, I: Clinical Epidemiology. 14, s. 213-223 11 s.Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
ID: 224981565
Flest downloads
-
60
downloads
A deep learning algorithm to predict risk of pancreatic cancer from disease trajectories
Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
Udgivet -
39
downloads
Discrete-time survival analysis in the critically ill: a deep learning approach using heterogeneous data
Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
Udgivet -
25
downloads
Development and validation of a dynamic prediction model for unplanned ICU admission and mortality in hospitalized patients
Publikation: Working paper › Preprint › Forskning
Udgivet