2379 पेपर
यह शोध पत्र GEAR का प्रस्ताव करता है, जो एक मॉड्यूलर टू-स्टेज डिस्टिलेशन फ्रेमवर्क है जो सिंथेटिक क्वेरी एक्सपेंशन को रियल-डेटा री-एंकरिंग के साथ जोड़कर संसाधन-गहन टैबुलर फाउंडेशन मॉडल्स को कमोडिटी CPUs के लिए हल्के और उच्च-प्रदर्शन वाले प्रेडिक्टर्स में परिवर्तित करता है, जिससे सुपरवाइज्ड बेसलाइन्स की तुलना में सटीकता और दक्षता में महत्वपूर्ण लाभ प्राप्त होता है।
यह शोध पत्र एक व्यावहारिक मार्गदर्शिका प्रदान करता है जो यह प्रदर्शित करता है कि अनुदैर्ध्य (longitudinal) और समय-से-घटना (time-to-event) डेटा के संयुक्त मॉडलों में कार्यात्मक रूप (functional form) का चयन एक महत्वपूर्ण मॉडलिंग निर्णय है जो ग्लियोब्लास्टोमा परीक्षण डेटा पर लागू विभिन्न साहचर्य संरचनाओं (association structures) के तुलनात्मक विश्लेषण के माध्यम से यह दर्शाता है कि यह बायोमार्कर-जोखिम संबंधों की व्याख्या को मौलिक रूप से आकार देता है।
यह शोध पत्र प्रदर्शित करता है कि शोधकर्ता एक विशिष्ट क्रमपरिवर्तन परीक्षण (permutation test) और एक इष्टतम रूप से भारित निर्गणक (optimally weighted estimator) का उपयोग करके, जो युग्म-भीतर (within-pair) और युग्म-बाह्य (across-pair) तुलनाओं को प्रभावी ढंग से संयोजित करता है, स्वतंत्र क्षरण (independent attrition) वाले युग्मवार यादृच्छिक प्रयोगों में सांख्यिकीय शक्ति बनाए रख सकते हैं और डेटा को त्यागने से बच सकते हैं, जिन्हें इन सभी को मानक भारित निश्चित प्रभाव प्रतिगमन (standard weighted fixed effects regression) के माध्यम से कार्यान्वित किया जा सकता है।
यह शोध पत्र गैर-पॉइसन (non-Poisson) 'बाय-टिल-यू-डाई' (Buy-'Til-You-Die) मॉडलों के लिए एक स्केलेबल, एमोर्टाइज्ड वेरिएशनल इन्फरेंस फ्रेमवर्क पेश करता है जो वेइबुल रिन्यूअल प्रोसेस (Weibull renewal processes) को मानता है, जिससे लाखों ग्राहकों का कुशल विश्लेषण संभव होता है और अत्याधुनिक तरीकों के तुलनीय भविष्य कहनेवाला प्रदर्शन (predictive performance) प्राप्त होता है, लेकिन बहुत कम समय में।
यह शोध पत्र `adjustedCurves` R पैकेज प्रस्तुत करता है, जो राइट-सेंसर्ड (right-censored) टाइम-टू-इवेंट डेटा वाले अवलोकनात्मक अध्ययनों में कन्फाउंडर-समायोजित उत्तरजीविता वक्र (survival curves), प्रतिबंधित माध्य उत्तरजीविता समय (restricted mean survival times), और क्वांटाइल्स (quantiles) के अनुमान और विज़ुअलाइज़ेशन के लिए एक एकीकृत ढांचा प्रदान करता है।
यह शोध पत्र भारित न्यूनतम वर्ग अनुमानकों (weighted least squares estimators) के लिए एक वितरण-मुक्त संवेदनशीलता विश्लेषण ढांचे को प्रस्तुत करता है जो सहज भारित आंशिक सांख्यिकी का उपयोग करके कारण प्रभाव अनुमानों पर अनपेक्षित कन्फाउंडिंग (unobserved confounding) के प्रभाव को परिमाणित करता है और औपचारिक सीमाएँ एवं समायोजित निष्कर्ष प्रक्रियाएँ प्रदान करता है जो किसी भी गैर-ऋणात्मक भार योजना (non-negative weighting scheme) के लिए लागू है।
यह शोध पत्र ब्रिज सैंपलिंग के लिए एक क्लोज्ड-फॉर्म मोंटे कार्लो स्टैंडर्ड एरर एस्टिमेटर प्रस्तुत करता है जो ऑटोकोरिलेटेड एमसीएमसी ड्रॉज़ को ध्यान में रखता है और विश्वसनीयता थ्रेशोल्ड स्थापित करता है, साथ ही एक हाइब्रिड स्कोर-मैचिंग प्रपोजल भी प्रदान करता है जो जटिल बेयसियन मॉडल्स के लिए अनुमान स्थिरता में महत्वपूर्ण सुधार करने हेतु स्थानीय पोस्टीरियर ज्योमेट्री का लाभ उठाता है।
यह शोध पत्र फॉरेस्ट कर्नेल बैलेंसिंग (Forest Kernel Balancing) का प्रस्ताव करता है, जो एक कारण अनुमान (causal inference) विधि है जो कोवेरिएट बैलेंसिंग के लिए परिणाम-अनुमानित विशेषताओं का चयन करने के लिए रैंडम फॉरेस्ट और BART जैसे ट्री-आधारित मॉडलों के निहित कर्नेल का लाभ उठाती है, जिससे यह उन मानक कर्नेल विधियों की तुलना में श्रेष्ठ कम्प्यूटेशनल और सांख्यिकीय प्रदर्शन प्राप्त करती है जो परिणाम संबंधी जानकारी की अनदेखी करती हैं।
यह शोध पत्र जनसंख्या-समायोजित अप्रत्यक्ष तुलनाओं को एक परिवहन क्षमता (ट्रांसपोर्टेबिलिटी) की समस्या के रूप में पुनर्गठित करता है, यह प्रदर्शित करते हुए कि गैर-संकुचनशीलता (नॉन-कोलैप्सिबिलिटी) और प्रभाव संशोधन के कारण ऐसे तुलनाओं से प्राप्त सीमांत उपचार प्रभाव अक्सर जनसंख्या-निर्भर होते हैं, जिससे स्वास्थ्य प्रौद्योगिकी मूल्यांकन निर्णय लेने के लिए उनकी वैधता सुनिश्चित करने हेतु स्पष्ट धारणाओं और एस्टिमैंड्स के सावधानीपूर्वक संरेखण की आवश्यकता होती है।
यह शोधपत्र एक निरंतर-समय स्थानिक कैप्चर-रिकैप्चर ढांचे को प्रस्तुत करता है जो मानक मॉडलों में गति-संचालित निर्भरता की उपेक्षा करने के कारण जनसंख्या आकार के अनुमानों में होने वाले सकारात्मक पूर्वाग्रह को ठीक करने के लिए व्यक्तिगत गति को स्पष्ट रूप से एक मार्कोव-मॉड्यूलेटेड मार्क पोइसन प्रक्रिया के रूप में मॉडल करता है।