El modelado de datos clínicos o de pacientes expone variaciones ocultas e inesperadas.
Los profesionales de la salud operan en un mundo de márgenes estrechos donde la toma de decisiones basada en datos es crucial. Nuestros potentes algoritmos analizan los datos clínicos y de los pacientes para exponer anomalías significativas, clasificar a los pacientes y detectar patrones que surgen con el tiempo. Con Graphext, los médicos, académicos y clínicos pueden usar visualizaciones de red, modelos de predicción y análisis de agrupamiento para informar y dirigir su investigación.
Proyectos
El método detrás de nuestra investigación de informes de eventos adversos de la vacuna COVID-19
Al emprender una investigación sobre las reacciones adversas asociadas con el lanzamiento de la vacunación contra el COVID-19 en los EE. UU., nuestro equipo era consciente de la mayor necesidad de transparencia mientras realizaba nuestro análisis. Este artículo documenta la metodología detrás de nuestro estudio de los datos del Sistema de Informe de Eventos Adversos a las Vacunas (VAERS).
Conspiraciones, complejidad y agrupación: investigación de informes de efectos adversos de la vacuna COVID-19
Modelando los datos del Sistema de Informe de Eventos Adversos a las Vacunas (VAERS, por sus siglas en inglés), un servicio de monitoreo de reacciones a las vacunas patrocinado por el gobierno de los EEUU
Las cifras de muertos en España por COVID-19 en contexto.
¿Quiénes son y dónde están los excesos de muertes en España en los últimos años por edad, sexo y Comunidades Autónomas?
