stat Arbeiten | Gist.Science

Causal Intervention Modeling of Exercise--Sleep--Mental Health for College Students from Multimodal Wearable Data

Dieses Paper führt CISM ein, ein Compositional Interventional State Model, das multimodale Wearable-Daten nutzt, um mittels eines sequenziellen stochastischen Interventionsrahmens kausal zu schätzen, wie die Umverteilung von Trainingsbudgets den anschließenden Schlaf und die psychische Gesundheit von College-Studenten beeinflusst, validiert an realen Datensätzen und strukturellen Experimenten.

Yue Wei, Mohamed Nashrudin Naharudi, Jing Zhang, Jing Li, Jinhui Zhang, Dian Wang2026-10-29

📊 Statistik

Sparse Poisson Log Normal Model for Zero-Inflated Multivariate Count Data

Dieses Paper schlägt eine Methode zur spärlichen Variablenselektion für das Zero-Inflated Poisson Log-Normal (ZIPLN)-Modell vor, indem es das Smooth Information Criterion (SIC) durch eine L0-Norm-penalisierte Evidence Lower Bound (ELBO) und einen ε-teleskopierenden VEM-Algorithmus erweitert, um hochdimensionale Kovariaten in multivariaten Zähldaten zu handhaben, wie durch Simulationen und eine Studie zu mikrobiellen Gemeinschaften demonstriert wird.

Togo Jean Yves KIOYE, Paul-Marie GROLLEMUND, Jocelyn CHAUVET, Christophe CHASSARD2026-10-29

📊 Statistik

Variance reduction and interval efficiency in forecast reconciliation

Diese Arbeit zeigt auf, dass die Abhängigkeit der Prognosereconciliation von Varianzreduktion unzureichend ist, um Intervall-Effizienz zu garantieren, indem eine nicht-elliptische Residuenfamilie konstruiert wird, bei der sich die erwarteten Intervallbreiten trotz fester Kovarianz und Abdeckung umkehren, während gleichzeitig Kovarianzschätzer auf realen Hierarchien empirisch evaluiert werden, um zu zeigen, dass zentrierte Schrumpfung die Scores verbessert, aber nicht einheitlich die nominale Abdeckung sicherstellt.

Jufeng Li, Wenjie Li, Junhao Zhan2026-10-29

📊 Statistik

Comparison of Machine Learning Methods for Monthly Rainfall Forecasting Using k-Nearest Neighbors, Random Forest, and Artificial Neural Networks

Diese Studie vergleicht k-Nearest Neighbors, Random Forest und künstliche neuronale Netze für die monatliche Niederschlagsprognose in Pangkalpinang und stellt fest, dass Random Forest die anderen beiden Algorithmen basierend auf Evaluierungsmetriken wie MAE, RMSE und R² übertrifft.

Mico Maulana, Giarno2026-10-29

📊 Statistik

Distortion in Risk Estimation Driven by Study Period Adjustment and Young-Age Event Sparsity: A Critical Evaluation of Secondary Analyses on the Nagoya City HPV Vaccination Survey

Diese Arbeit evaluiert und widerlegt kritisch die methodische Validität der Sekundäranalyse von Yaju und Tsubaki zur Nagoya City HPV-Impfumfrage, indem sie aufzeigt, dass deren Verwendung der Anpassung des Studienzeitraums sowie spezifischer Modellierungsentscheidungen schwerwiegende strukturelle Verzerrungen und mathematische Artefakte einführte, welche die Risikoschätzungen verzerrten und die wissenschaftliche Integrität untergruben.

Sadao Suzuki2026-10-28

📊 Statistik

A two-stage minimum compromise consensus model with dynamic compromise learning

Dieses Paper schlägt ein zweistufiges Minimum-Adjustment-Konsens-Framework vor, das die Kompromissgrenzen von Individuen dynamisch lernt und erweitert, um erforderliche Konsensniveaus zu erreichen, wenn anfängliche Anpassungen unzureichend sind, wie am Beispiel einer Anwendung zur Untersuchung von Antikrebsmitteln demonstriert wird.

Qun Su, Dong Cheng, Yong Wu2026-10-28

📊 Statistik

How can digital and AI-enabled behaviour change interventions be evaluated while they are changing? HUMMBER: identifying what changed, for whom, why and with what effect

Dieses Paper stellt HUMMBER vor, ein menschenzentriertes, wiederverwendbares Evaluationsframework, das darauf ausgelegt ist, digitale und KI-gestützte Verhaltensänderungsinterventionen kontinuierlich zu bewerten, während sie sich weiterentwickeln, wobei dessen rechnerische Durchführbarkeit sowie die Fähigkeit, Veränderungen nachzuverfolgen, betroffene Gruppen zu identifizieren und kausale Effekte zu bestimmen, durch eine vollständig synthetische Proof-of-Concept-Studie demonstriert werden.

Maria Alejandra Pinero de Plaza, Ian Halkett, Damith Ranasinghe, Carlos Javier Barrera Causil, Joanne Dollard, Renuka V (…)2026-10-28

📊 Statistik

Multivariate Quality Framework Combining Factor Analysis, PCA, Clustering, and Robustness Validation in Saudi Arabia using Open Government Hospital Data

Diese Studie schlägt ein reproduzierbares multivariates Framework vor, das PCA, Faktorenanalyse und Clustering auf den Open-Government-Daten der Krankenhäuser in Saudi-Arabien anwendet, um einen robusten, multidimensionalen Leistungsindex zu konstruieren, der regionale Heterogenität offenlegt und eine datengestützte Gesundheitsplanung unterstützt.

Mohammed Al Awadh2026-10-27

📊 Statistik

Monte Carlo simulation and breast cancer transcriptomic benchmarking characterize reliability limits of high-dimensional biomedical feature selection

Diese Studie nutzt Monte-Carlo-Simulationen und transkriptomische Benchmarks für Brustkrebs, um zu demonstrieren, dass die Zuverlässigkeit der hochdimensionalen Merkmalsselektion strikt von Faktoren wie Stichprobengröße, Merkmalskorrelation und Signalverteilung abhängt, anstatt durch eine universell überlegene Methode bestimmt zu werden.

Hao Ma, Jiaxin Yin2026-10-27

📊 Statistik

Short-Term Forecasting of Monthly Syphilis Cases Using a Stability and Recency-Aware Selective Ensemble

Diese Studie schlägt ein durch Partikelschwarmoptimierung (PSO) optimiertes Stabilitäts- und Aktualitäts-bewusstes selektives Ensemble-Framework (SRSE) vor, das die Vorhersage monatlicher Syphilis-Fälle in der Provinz Jiangsu im Vergleich zu Einzel- und traditionellen Ensemblemodellen signifikant übertrifft und somit ein robustes Werkzeug für die kurzfristige Krankheitsüberwachung bietet.

Shanhua Zhang, Xinxin Shen2026-10-27

Weiter →