Medicina Intensiva

ISSN: 0210-5691

Medicina Intensiva es la revista de la Sociedad Española de Medicina Intensiva, Crítica y Unidades Coronarias y se ha convertido en la publicación de referencia en castellano de la especialidad. Desde el año 2006 está incluida en la base de datos de Medline. Cada número es distribuido entre profesionales relacionados con la Medicina Intensiva, y llega a todos los miembros de la SEMICYUC.
Medicina Intensiva publica principalmente artículos Originales, Revisiones, Notas clínicas, Imágenes en Medicina Intensiva e Información relevante de la especialidad. Cuenta con un prestigioso Consejo de Redacción y con importantes especialistas de renombre en el ámbito mundial. Todos los trabajos pasan por un riguroso proceso de selección, lo que proporciona una alta calidad de contenidos y convierte a la revista en la publicación preferida por el especialista en Medicina Intensiva, Crítica y Unidades Coronarias.

Envía un Visual Abstract para incrementar la difusión y visibilidad de tu trabajo.

Indexada en:

Scopus, Medline, Science Citation Index Expanded (SCIE), SCImago Journal Rank (SJR), SNIP

RSS

Contactar

Tienda

Alerta

Newsletter

Factor de impacto

El factor de impacto mide la media del número de citaciones recibidas en un año por trabajos publicados en la publicación durante los dos años anteriores.

© Clarivate Analytics, Journal Citation Reports 2025

Factor de impacto 2025

2,5

Citescore

CiteScore mide la media de citaciones recibidas por artículo publicado.

Citescore 2025

2,2

SJR

SJR es una prestigiosa métrica basada en la idea de que todas las citaciones no son iguales. SJR usa un algoritmo similar al page rank de Google; es una medida cuantitativa y cualitativa al impacto de una publicación.

SJR 2025

0,350

SNIP

SNIP permite comparar el impacto de revistas de diferentes campos temáticos, corrigiendo las diferencias en la probabilidad de ser citado que existe entre revistas de distintas materias.

SNIP 2025

0,615

Primera decisión

El número medio de días que tarda un artículo desde su envío hasta la primera decisión editorial.

Primera decisión

15 días

Ver más métricas

Opción Open Access

Información de la revista

Volver al artículo

Estadísticas

Siga este enlace para acceder al texto completo del artículo

Original article

Prediction of COVID-19 mortality using machine learning strategies and a large-scale panel of plasma inflammatory proteins: A cohort study

Predicción de la mortalidad por COVID-19 utilizando estrategias de aprendizaje automático y un panel a gran escala de proteínas inflamatorias plasmáticas: un estudio de cohorte

Luiz Filipe Bastos Mendesa, Henrique Ritter Dal-Pizzola, Gabriele Prestesb, Carolina Saibro Girardia, Lucas Santosa, Daniel Pens Gelaina, Glauco A. Westphalc, Roger Walzd, Cristiane Ritterb,e, Felipe Dal-Pizzolb,e,

Autor para correspondencia

piz@unesc.net

Corresponding author at: Laboratory of Experimental Pathophysiology, Graduate Program in Health Sciences, Health Sciences Unit, University of Southern Santa Catarina (UNESC), Criciúma, Santa Catarina, Brazil.

, Jose Claudio Fonseca Moreiraa

a Departamento de Bioquímica, Centro de Estudos em Estresse Oxidativo, Instituto de Ciências Básicas da Saúde, Universidade Federal do Rio Grande do Sul, Porto Alegre, RS, Brazil

b Laboratory of Experimental Pathophysiology, Graduate Program in Health Sciences, Health Sciences Unit, University of Southern Santa Catarina (UNESC), Criciúma, Santa Catarina, Brazil

c Centro Hospitalar Unimed, Joinville, SC, Brazil

d Center for Applied Neuroscience, University Hospital (HU), Federal University of Santa Catarina (UFSC), Florianópolis, SC, Brazil

e Intensive Care Unit, Hospital São José, Criciúma, SC, Brazil

Leído

1269

Veces
se ha leído el artículo

411

Total PDF

858

Total HTML

Compartir estadísticas

Facebook