2447 पेपर
यह शोध पत्र एक दो-चरणीय लघु क्षेत्र अनुमान (स्मॉल एरिया एस्टीमेशन) पद्धति प्रस्तावित करता है जो मॉडल अंशांकन (मॉडल कैलिब्रेशन) और फे (Fay)-हेरियट ढांचे के माध्यम से अपूर्ण, गैर-संभाव्यता सहायक डेटा को संभाव्यता सर्वेक्षण नमूनों के साथ एकीकृत करता है, जिससे गैर-संभाव्यता नमूने के चयन तंत्र के स्पष्ट मॉडलिंग की आवश्यकता के बिना बेहतर डोमेन-स्तरीय परिशुद्धता प्राप्त होती है।
यह शोध पत्र मस्तिष्क के विकास, उम्र बढ़ने, विकारों और एनकोडिंग/डिकोडिंग के दौरान उच्च-आयामी न्यूरोइमेजिंग डेटा से उत्पन्न सांख्यिकीय चुनौतियों और अवसरों की समीक्षा करता है, जो निदान और व्यक्तिगत उपचारों को आगे बढ़ाने के लिए अंतर-विषयक सहयोग की आवश्यकता पर जोर देता है।
यह शोध पत्र एक नॉन-ओवरलैप रेशियो डायग्नोस्टिक और एक व्यक्तिगत हस्तक्षेप मैपिंग रणनीति पेश करके पॉजिटिविटी उल्लंघन (positivity violations) के तहत व्यवहार्य डोज़-रिस्पॉन्स वक्रों का अनुमान लगाने के लिए एक नवीन रूपरेखा प्रस्तावित करता है, जो असमर्थ लक्षित डोज़ को निकटतम सुलभ स्तरों पर स्थानांतरित करती है, जिससे डेटा समर्थन सीमित होने पर भी वैज्ञानिक रूप से व्याख्या योग्य कारण संबंधी अनुमान प्रदान किए जा सकते हैं।
यह शोध पत्र biniLasso और sparse biniLasso को प्रस्तुत करता है, जो उच्च-आयामी उत्तरजीविता विश्लेषण (high-dimensional survival analysis) के लिए नवीन विधियाँ हैं जो मौजूदा तकनीकों की तुलना में बेहतर व्याख्यात्मकता, गति और भविष्यवाणी सटीकता के साथ प्रति विशेषता कई रोगसूचक कट-पॉइंट्स (prognostic cut-points) को कुशलतापूर्वक पहचानने के लिए संचयी बाइनराइजेशन (cumulative binarization) और -पेनलाइज्ड कॉक्स मॉडल का लाभ उठाते हैं।
यह शोध पत्र जोखिम भविष्यवाणी मॉडलों के बाहरी सत्यापन अध्येशनों में नमूना आकार निर्धारित करने के लिए एक सामान्य बेयसियन ढांचे (Bayesian framework) का प्रस्ताव करता है जो मॉडल प्रदर्शन में अनिश्चितता को स्पष्ट रूप से ध्यान में रखता है और अपेक्षित परिशुद्धता, आश्वासन संभावनाओं और नेट बेनिफिट के लिए सूचना के मूल्य सहित बहु-मानदंडों को शामिल करता है, जिसके परिणामस्वरूप अक्सर पारंपरिक विधियों की तुलना में अधिक कुशल नमूना आकार आवश्यकताएं प्राप्त होती हैं।
यह शोध पत्र एक नवीन 'डबली रोबस्ट ऑगमेंटेड एस्टीमेटर' प्रस्तावित करता है जो बाहरी रूप से नियंत्रित सिंगल-आर्म ट्रायल्स और अनएंकोर्ड इनडायरेक्ट ट्रीटमेंट कंपेरिजन में उपचार प्रभाव अनुमानों की सटीकता और परिशुद्धता में सुधार करने के लिए एंट्रॉपी बैलेंसिंग वेट्स को एक कंडीशनल आउटकम मॉडल के साथ जोड़ता है, जिससे मानक वेटिंग दृष्टिकोणों की तुलना में मॉडल मिसस्पेसिफिकेशन के विरुद्ध बेहतर सुरक्षा मिलती है।
यह शोध पत्र एक जोखिम-समावेशी कॉन्टेक्स्टुअल बैंडिट एल्गोरिदम का प्रस्ताव करता है जो सुरक्षा और प्रभावकारिता के बीच प्रभावी ढंग से संतुलन बनाकर प्रारंभिक-चरण के नैदानिक परीक्षणों में खुराक आवंटन को अनुकूलित करने के लिए डुअल थॉमसन सैंपलर और सामान्यीकृत एसिम्प्टोटिक कॉन्फिडेंस सीक्वेंस का उपयोग करके प्रतिभागी-विशिष्ट डेटा को एकीकृत करता है।
यह शोध पत्र वास्तविक और कृत्रिम डेटा के पुनरावृत्ति मिश्रणों पर प्रशिक्षित ओवरपैरामीटराइज्ड लीनियर रिग्रेशन के लिए सटीक सामान्यीकरण त्रुटि सूत्र व्युत्पन्न करता है, जो यह प्रकट करता है कि विशिष्ट इष्टतम मिश्रण अनुपात—जैसे कि इंटरपोलेशन के लिए गोल्डन रेशियो का व्युत्क्रम और रिज रिग्रेशन के लिए कम से कम एक-आधा—दीर्घकालिक त्रुटि को न्यूनतम करने और मॉडल कोलैप्स को प्रमाणित रूप से रोकने के लिए आवश्यक हैं।
यह शोध पत्र इस बात पर प्रकाश डालता है कि सूचनात्मक क्लस्टर आकारों वाले क्लस्टर रैंडमाइज्ड ट्रायल्स में, व्यक्तिगत-जोड़ी (individual-pair) और क्लस्टर-जोड़ी (cluster-pair) जीत अनुमान (win estimands) काफी भिन्न या यहाँ तक कि विरोधाभासी निष्कर्ष दे सकते हैं, जिससे वैध निष्कर्ष सुनिश्चित करने के लिए लक्षित अनुमान (target estimand) के सावधानीपूर्वक निर्धारण और उपयुक्त सुसंगत अनुमानकों (consistent estimators) एवं विचरण विधियों (variance methods) के उपयोग की आवश्यकता होती है।
यह शोध पत्र सरकार और टैंग की पद्धति को बाउंडेड पी-टू-ई कैलिब्रेटर्स (bounded p-to-e calibrators) का उपयोग करते हुए एक लचीले, ई-वैल्यू (e-value) भारित बेंजामिनी-होचबर्ग प्रक्रिया में सामान्यीकृत करके नॉकऑफ-असिस्टेड वेरिएबल सिलेक्शन फ्रेमवर्क का विस्तार करता है, जो मौजूदा दृष्टिकोणों की तुलना में सिमुलेशन और वास्तविक दुनिया के एचआईवी-1 (HIV-1) ड्रग रेजिस्टेंस विश्लेषण में बेहतर शक्ति और मजबूत एफडीआर (FDR) नियंत्रण प्रदर्शित करता है।