441 articles
Cet article propose un cadre d'infusion adaptative d'erreurs de mesure qui quantifie l'importance des médiateurs en évaluant la dégradation des voies sous des perturbations contrôlées, offrant une méthode robuste pour la sélection de médiateurs dans les systèmes linéaires et non linéaires où les signaux sont faibles ou des interactions sont présentes.
Cet article démontre, par une analyse pan-cancer préenregistrée, qu'une hypothèse concernant le couplage mathématique dans les études de l'expression génique pronostique a été confirmée en grande partie par construction, car les critères de test ont été satisfaits même lorsqu'ils étaient appliqués à des données nulles aux résultats permutés, soulignant la nécessité critique de valider les pipelines analytiques par rapport à des résultats permutés pour éviter des conclusions de confusion erronées.
Cette étude utilise des simulations contrôlées et des ensembles de données empiriques pour démontrer que la complétion par composante principale en une seule passe améliore la précision de la prédiction par rapport aux simples moyennes de colonnes uniquement lorsque les données présentent une structure inter-colonnes et une densité d'observation suffisante, tout en échouant à fournir une récupération sans biais pour les colonnes indépendantes ou les résultats cliniques naturellement manquants.
Cette étude propose et évalue systématiquement un cadre en deux étapes de type « sélection plus confirmation » qui combine une sélection top-k basée sur SHAP avec des tests de Wald, la correction de Benjamini-Hochberg (BH) et une validation de robustesse par bootstrap afin d'équilibrer efficacement le contrôle des faux positifs et la sensibilité de détection dans l'analyse d'interactions, tout en établissant des directives opérationnelles spécifiques et des niveaux de gradation des preuves pour une application en conditions réelles.
Cet article soutient que l'interprétation des hypothèses et du cadre de Neyman-Pearson à travers un prisme épistémique constitue une erreur de catégorie, car elles fonctionnent non pas comme des prétentions à la vérité pour une justification rationnelle, mais comme des instruments méthodologiques normatifs conçus pour réguler la prise de décision en situation d'incertitude, nécessitant ainsi une distinction non hiérarchique et fondée sur le problème entre l'épistémologie et la méthodologie.
Cet article propose un cadre pour l'IRM séquentielle qui utilise des fibres d'observation contrôlées et un arrêt de préfixe causal pour fournir des bornes de confiance uniformes dans le temps et une quantification robuste de l'incertitude, séparant efficacement l'identification, le rejet et le coût d'acquisition tout en traitant l'équivalence d'observation et la spécification erronée du modèle.
Cet article établit que sous le blanchiment induit par Fisher, le paramètre de forme du modèle KA est invariant par rapport à la représentation tandis que l'exposant d'échelle se déplace d'un universel, une découverte confirmée par des identités exactes sur échantillons finis et des simulations de Monte Carlo de haute précision.
Cet article propose une méthode de Monte Carlo multiniveau imbriquée, améliorée par préintégration, pour surmonter la discontinuité et les coûts de calcul élevés de l'estimation de risque standard, atteignant un taux de convergence forte supérieur de -1 et une complexité quasi optimale tout en gérant efficacement les phénomènes de kurtosis élevée.
Dans des essais simulés de trouble dépressif majeur, une approche d'apprentissage profond a démontré une précision et une robustesse supérieures pour estimer les effets du traitement à la huitième semaine par rapport aux modèles mixtes pour mesures répétées traditionnels, tout en nécessitant moins d'hypothèses a priori sur le système de données sous-jacent.
Cet article développe un cadre général pour mesurer la dispersion en appliquant des fonctionnelles statistiques aux écarts absolus par rapport à une valeur de référence, établit des inégalités clés comparant ces mesures, et illustre leur comportement à travers diverses distributions par la simulation.