📊 estadística

Probabilistic Risk Stratification and Transition-Sensitive Explainability for Attorney Involvement in Workers' Compensation Claims

Este estudio utiliza un clasificador CatBoost sobre 48.130 reclamaciones de compensación laboral para modelar la participación de abogados como un proceso de riesgo probabilístico, demostrando cómo los impulsores del litigio cambian a través de los niveles de riesgo bajo, medio y alto, y revelando patrones de características asimétricos cerca de los límites de régimen para mejorar la estratificación del riesgo y la explicabilidad.

Gonzalo Agustin Vivian, Chelsea M. Zuvieta, Taghi M. Khoshgoftaar2026-07-20
📊 estadística

Reverse-Engineering Radiation Oncology: A Reproducible Pipeline for Affiliation Disambiguation and Author Localisation in the Medical Sciences

Este artículo presenta un flujo de trabajo reproducible y agnóstico al campo que mejora la precisión de la asignación de la ubicación y la antigüedad de los autores en oncología radioterápica al derivar datos directamente de las cadenas de afiliación sin procesar en lugar de depender de etiquetas institucionales propensas a errores, logrando una precisión significativamente mayor (F1 ≈ 0.92) que los estándares de referencia.

David Kaul2026-07-20
📊 estadística

The name-collision burden of name-based author attribution is unequal across name origins: a measurement in OpenAlex, and an identifier-based remedy (SigmaCV)

Este estudio cuantifica la carga significativamente mayor de colisiones de nombres que enfrentan los investigadores de Asia Oriental en comparación con sus homólogos anglófonos y otros dentro de la base de datos OpenAlex, demostrando que la atribución basada en nombres es inherentemente desigual y abogando por la adopción de soluciones basadas en identificadores como SigmaCV para garantizar una evaluación de la investigación justa.

Basile Chrétien2026-07-17
📊 estadística

Robust Dependence Detection in Official Statistics: A Data Based Methodology

Este artículo propone el τ∗\tau^* de Bergsma-Dassios como una medida de dependencia robusta basada en la covarianza de signos para las estadísticas oficiales, demostrando mediante análisis teórico, aplicaciones con datos de EU-SILC y estudios de simulación que supera a las métricas de correlación tradicionales en la detección de relaciones no lineales y en el manejo de la contaminación de datos.

STHITADHI DAS2026-07-17
📊 estadística

Quantile Necessary Condition Analysis: A Tolerance-Parameterized Generalization of Necessary Condition Analysis

Este artículo introduce el Análisis de Condición Necesaria por Cuantiles (QNCA, por sus siglas en inglés), una extensión del NCA parametrizada por tolerancia que reemplaza el techo determinista con fronteras de cuantiles condicionales para mitigar la sensibilidad de los tamaños del efecto ante observaciones de frontera únicas, preservando al mismo tiempo el marco interpretativo central del método.

Marek Deja2026-07-15
📊 estadística

Dynamic-Parameter SIRD Forecasting: ReproducibleTime-Varying Rate Estimation for COVID-19

Este artículo presenta un marco híbrido SIRD reproducible que estima parámetros epidémicos variables en el tiempo mediante inversión algebraica y autorregresión vectorial para superar a los modelos base de pronóstico estáticos y ingenuos en la predicción de casos y muertes por COVID-19, aunque actualmente exhibe una calibración probabilística limitada.

Juliho David Castillo Colmenares2026-07-15
📊 estadística

Neural Networks for net survival estimation and prediction

Este artículo presenta un enfoque de aprendizaje automático que utiliza una Red Neuronal Artificial Logística Parcial (PLANN) adaptada para estimar y predecir la supervivencia neta, demostrando su flexibilidad al manejar estructuras de datos complejas en comparación con las regresiones tradicionales basadas en splines, al tiempo que señala una mayor varianza en las estimaciones para tamaños de muestra más pequeños y proporciona el paquete de R `survivalPLANN` para su implementación.

Thomas Ollard, Yohann Foucher2026-07-15
📊 estadística

Tracking Structural Evolution in Higher Education Mobility -- A Comparative Analysis of Graph Distance Metrics (Hungary, 2006--2024)

Este estudio introduce un marco basado en graphons para analizar la evolución estructural de las redes de movilidad de la educación superior de Hungría de 2006 a 2024, demostrando que las métricas de distancia espectral y de distribución superan a las estadísticas tradicionales al capturar los cambios inducidos por políticas y revelar niveles jerárquicos de red.

Zsolt T. Kosztyán, András Hosznyák, Tünde Király, Attila I. Katona, Dénes M. Kornél, Gergő Hornák2026-07-15