441 Arbeiten
Diese Studie zeigt, dass das Ausschließen von Ausreißer-Clustern zu Baseline-Zeitpunkt und die Anpassung um Baseline-Ergebnisse die Effizienz von Malaria-Cluster-randomisierten Studien signifikant verbessern kann, insbesondere in Settings, in denen Cluster-Ergebnisse eine starke zeitliche Persistenz aufweisen.
Diese metaepidemiologische Studie über 157 Phase-III-Brustkrebsstudien zeigt, dass Überlebensschlussfolgerungen oft an statistischer Robustheit mangeln, da die Anzahl der Patienten, die aus der Nachbeobachtung ausgeschieden sind, häufig den Fragilitätsschwellenwert überschreitet, was darauf hindeutet, dass statistische Signifikanz allein die Stabilität von Behandlungseffekten überschätzen kann.
Diese Arbeit argumentiert, dass die Unterscheidung zwischen echten zoonotischen Spillover-Trends und Überwachungsfehlern eine robuste Infrastruktur statt nur Modellierung erfordert, was durch Simulationen und eine Tollwut-Fallstudie demonstriert wird, wonach zwar die Trendrichtung oft wiederhergestellt werden kann, Schätzungen der Größenordnung jedoch höchst unzuverlässig sind und Modelluneinigkeit als ein kritisches Signal für die Berichterstattung behandelt werden sollte.
Diese Studie nutzt OpenAlex-Daten, um das globale wissenschaftliche Zitiernetzwerk zu analysieren, wobei sie aufzeigt, dass zurückgezogene Forschung unverhältnismäßig stark im Kern der größten zusammenhängenden Komponente konzentriert ist und eine höhere strukturelle Exposition aufweist, insbesondere in Feldern wie Biochemie und Genetik, was darauf hindeutet, dass zurückgezogene Arbeiten stärker zentral eingebettet und übergemeinschaftlich vernetzt sind als nicht zurückgezogene Arbeiten.
Dieses Paper schlägt Kernel-Glättungs- und Maximum-Likelihood-Methoden zur Schätzung der Parameter des Vasicek-Prozesses unter Mikrostrukturrauschen vor und validiert diese, wobei es deren starke Konsistenz und Genauigkeit durch theoretische Analysen, numerische Simulationen und die empirische Anwendung auf Daten der Shanghai Stock Exchange nachweist.
Diese Studie schlägt ein hybrides GAM-LightGBM-Framework mit selektiver konformer Kalibrierung und einem Verschachtlungsverfahren vor, um die Genauigkeit und Kohärenz probabilistischer Lastprognosen für mehrere europäische Länder unter variierenden Wetterunsicherheiten zu verbessern.
Diese Studie validiert eine sieben-attributbasierte Q-Matrix zur Bewertung des klinischen Denkens in einer landesweiten koreanischen medizinischen Prüfung unter Verwendung eines DINA-Modells und demonstriert eine starke Validität hinsichtlich bekannter Gruppen durch signifikante Unterschiede im Beherrschungsgrad zwischen Studierenden des dritten und vierten Studienjahres.
Diese Arbeit präsentiert ein hierarchisches bayesianisches räumliches Modellierungsframework, das probabilistische, nachbarschaftsspezifische Hitze-Gesundheits-Warnungen in ganz Kalifornien generiert, indem es variierende Temperaturschwellenwerte schätzt, die mit Notaufnahmebesuchen verknüpft sind, wodurch eine gerechte Ressourcenallokation ermöglicht und die Grundlage für das offizielle CalHeatScore-System des Bundesstaates geschaffen wird.
Diese Studie zeigt, dass der Präzisionsgewichtungskoeffizient (γ) im CPSP-8-Modell ein Pipeline-sensitiver, beschränkter Skalar ist, der nicht als portabler Biomarker über Aufgaben hinweg generalisiert, sofern der Präzisionsgewinn nicht ausreichend groß ist, während andere Entscheidungsparameter lediglich als Modus-Schalter fungieren.
Dieses Paper schlägt eine Methode vor, um kalibrierte, zweiseitige Konfidenzintervalle für die wahre Fläche unter der Kurve (AUC) im Positive-Unlabeled-Learning abzuleiten, indem die Ziel-AUC exakt aus beobachtbaren Metriken rekonstruiert und die Unsicherheit des geschätzten positiven Anteils propagiert wird, wodurch das Problem der Verzerrung und der mangelnden Zuverlässigkeit in aktuellen Leistungsbewertungen adressiert wird.