441 artículos
Este artículo propone un marco de infusión de error de medición adaptativo que cuantifica la importancia del mediador evaluando la degradación de la vía bajo perturbaciones controladas, ofreciendo un método robusto para seleccionar mediadores tanto en sistemas lineales como no lineales donde las señales son débiles o existen interacciones.
Este artículo demuestra, mediante un análisis pancáncer prerregistrado, que una hipótesis relativa al acoplamiento matemático en estudios de expresión génica pronóstica fue confirmada en gran medida por construcción, dado que los criterios de prueba se cumplieron incluso cuando se aplicaron a datos nulos con resultados permutados, lo que resalta la necesidad crítica de validar los procesos analíticos contra resultados permutados para evitar conclusiones de confusión falsa.
Este estudio utiliza simulaciones controladas y conjuntos de datos empíricos para demostrar que la completitud de componentes principales de una sola pasada mejora la precisión de la predicción sobre las medias de columna simples únicamente cuando los datos exhiben estructura entre columnas y una densidad de observación suficiente, mientras que no logra proporcionar una recuperación imparcial para columnas independientes o resultados clínicos naturalmente ausentes.
Este estudio propone y evalúa sistemáticamente un marco de dos etapas de "cribado más confirmación" que combina el cribado top-k basado en SHAP con pruebas de Wald, la corrección de BH y la validación de robustez mediante bootstrap para equilibrar eficazmente el control de falsos positivos y la sensibilidad de detección en el análisis de interacciones, estableciendo al mismo tiempo directrices operativas específicas y niveles de graduación de evidencia para su aplicación en el mundo real.
Este artículo sostiene que interpretar las hipótesis y del marco de Neyman–Pearson a través de una lente epistémica constituye un error de categoría, ya que estas funcionan no como pretensiones de verdad para la justificación racional, sino como instrumentos metodológicos normativos diseñados para regular la toma de decisiones bajo incertidumbre, lo que requiere una distinción no jerárquica y basada en problemas entre la epistemología y la metodología.
Este artículo propone un marco para la RM secuencial que utiliza fibras de observación controladas y parada de prefijo causal para proporcionar límites de confianza uniformes en el tiempo y una cuantificación de la incertidumbre robusta, separando eficazmente la identificación, el rechazo y el costo de adquisición al tiempo que aborda la equivalencia observacional y la falta de especificación del modelo.
Este artículo establece que bajo el blanqueamiento inducido por Fisher, el parámetro de forma del modelo KA es invariante de la representación, mientras que el exponente de escala se desplaza por un valor universal de , un hallazgo confirmado por identidades exactas de muestra finita y simulaciones de Monte Carlo de alta precisión.
Este artículo propone un método de Monte Carlo multinivel anidado mejorado por preintegración para superar la discontinuidad y los altos costos computacionales de la estimación de riesgo estándar, logrando una tasa de convergencia fuerte superior de -1 y una complejidad casi óptima mientras maneja eficazmente los fenómenos de alta curtosis.
En ensayos simulados de trastorno depresivo mayor, un enfoque de aprendizaje profundo demostró una precisión y robustez superiores en la estimación de los efectos del tratamiento en la semana 8 en comparación con los modelos mixtos tradicionales para medidas repetidas, requiriendo al mismo tiempo menos supuestos a priori sobre el sistema de datos subyacente.
Este artículo desarrolla un marco general para medir la dispersión aplicando funcionales estadísticos a las desviaciones absolutas de un valor de referencia, establece desigualdades clave que comparan estas medidas e ilustra su comportamiento a través de diversas distribuciones mediante simulación.