Improving diagnosis of acute coronary syndromes in an emergency setting: A machine learning approach
Popular Abstract in Swedish Akut koronart syndrom (AKS) är den största folkdödaren i väst idag. Trots välutbildade läkare och bra diagnostiska verktyg så är det forfarande svårt att ställa en diagnos tidigt på sjukhusens akutavdelningar. I den här avhandlingen undersöker vi möjligheter att i ett tidigt skede förutsäga AKS med hjälp av maskininlärning. Främst användes logistiska regressionsmodellerAcute coronary syndrome (ACS) is the biggest people killer in the western world today. Despite well trained physicians and reliable diagnostic tools, diagnosing ACS early in the emergency departments (ED) remains a challenge. In this thesis we used machine learning, via logistic regression models and artificial neural network ensembles, to investigate the possibility of predicting ACS at an early