stat articoli | Gist.Science

Causal Intervention Modeling of Exercise--Sleep--Mental Health for College Students from Multimodal Wearable Data

Questo articolo introduce CISM, un Modello di Stato Interventistico Composizionale che sfrutta dati indossabili multimodali per stimare causalmente come la riallocazione dei budget di esercizio fisico influenzi il sonno e la salute mentale successivi degli studenti universitari attraverso un framework di intervento stocastico sequenziale, validato su dataset del mondo reale ed esperimenti strutturali.

Yue Wei, Mohamed Nashrudin Naharudi, Jing Zhang, Jing Li, Jinhui Zhang, Dian Wang2026-10-29

📊 statistica

Sparse Poisson Log Normal Model for Zero-Inflated Multivariate Count Data

Questo articolo propone un metodo di selezione delle variabili sparse per il modello Zero-Inflated Poisson Log-Normal (ZIPLN) estendendo il Criterio di Informazione Smooth (SIC) con un limite inferiore dell'evidenza (ELBO) penalizzato con norma L0 e un algoritmo VEM a telescopio ε per gestire covariate ad alta dimensione in dati di conteggio multivariati, come dimostrato attraverso simulazioni e uno studio sulla comunità microbica.

Togo Jean Yves KIOYE, Paul-Marie GROLLEMUND, Jocelyn CHAUVET, Christophe CHASSARD2026-10-29

📊 statistica

Variance reduction and interval efficiency in forecast reconciliation

Questo articolo dimostra che la dipendenza della riconciliazione delle previsioni dalla riduzione della varianza è insufficiente per garantire l'efficienza degli intervalli, costruendo una famiglia di residui non ellittici in cui le ampiezze attese degli intervalli si invertono nonostante la covarianza e la copertura fisse, valutando anche empiricamente gli stimatori di covarianza su gerarchie del mondo reale per mostrare che lo shrinkage centrato migliora i punteggi ma non assicura uniformemente la copertura nominale.

Jufeng Li, Wenjie Li, Junhao Zhan2026-10-29

📊 statistica

Comparison of Machine Learning Methods for Monthly Rainfall Forecasting Using k-Nearest Neighbors, Random Forest, and Artificial Neural Networks

Questo studio confronta k-Nearest Neighbors, Random Forest e Reti Neurali Artificiali per la previsione delle precipitazioni mensili a Pangkalpinang e riscontra che Random Forest supera gli altri due algoritmi in base a metriche di valutazione come MAE, RMSE e R².

Mico Maulana, Giarno2026-10-29

📊 statistica

Distortion in Risk Estimation Driven by Study Period Adjustment and Young-Age Event Sparsity: A Critical Evaluation of Secondary Analyses on the Nagoya City HPV Vaccination Survey

Questo articolo valuta criticamente e confuta la validità metodologica dell'analisi secondaria di Yaju e Tsubaki relativa all'indagine sulla vaccinazione contro l'HPV nella città di Nagoya, dimostrando che il loro utilizzo dell'aggiustamento del Periodo di Studio e di specifiche scelte di modellazione ha introdotto gravi bias strutturali e artefatti matematici che hanno distorto le stime del rischio e compromesso l'integrità scientifica.

Sadao Suzuki2026-10-28

📊 statistica

A two-stage minimum compromise consensus model with dynamic compromise learning

Questo articolo propone un framework di consenso a due stadi con aggiustamento minimo che apprende e estende dinamicamente i limiti di compromesso degli individui per raggiungere i livelli di consenso richiesti quando gli aggiustamenti iniziali sono insufficienti, come dimostrato in un'applicazione di screening di farmaci antitumorali.

Qun Su, Dong Cheng, Yong Wu2026-10-28

📊 statistica

How can digital and AI-enabled behaviour change interventions be evaluated while they are changing? HUMMBER: identifying what changed, for whom, why and with what effect

Questo articolo introduce HUMMBER, un framework di valutazione riutilizzabile e incentrato sull'uomo, progettato per valutare continuamente gli interventi di cambiamento del comportamento digitali e abilitati dall'IA mentre si evolvono, dimostrandone la fattibilità computazionale e la capacità di tracciare i cambiamenti, identificare i gruppi interessati e determinare gli effetti causali attraverso uno studio di prova di concetto interamente sintetico.

Maria Alejandra Pinero de Plaza, Ian Halkett, Damith Ranasinghe, Carlos Javier Barrera Causil, Joanne Dollard, Renuka V (…)2026-10-28

📊 statistica

Multivariate Quality Framework Combining Factor Analysis, PCA, Clustering, and Robustness Validation in Saudi Arabia using Open Government Hospital Data

Questo studio propone un framework multivariato riproducibile che utilizza PCA, analisi fattoriale e clustering sui dati open government degli ospedali dell'Arabia Saudita per costruire un indice di performance multidimensionale e robusto che riveli l'eterogeneità regionale e supporti la pianificazione sanitaria basata sui dati.

Mohammed Al Awadh2026-10-27

📊 statistica

Monte Carlo simulation and breast cancer transcriptomic benchmarking characterize reliability limits of high-dimensional biomedical feature selection

Questo studio utilizza simulazioni Monte Carlo e benchmark trascrittomici del cancro al seno per dimostrare che l'affidabilità della selezione delle caratteristiche ad alta dimensionalità è strettamente condizionata da fattori quali la dimensione del campione, la correlazione delle caratteristiche e la distribuzione del segnale, piuttosto che essere determinata da un metodo universalmente superiore.

Hao Ma, Jiaxin Yin2026-10-27

📊 statistica

Short-Term Forecasting of Monthly Syphilis Cases Using a Stability and Recency-Aware Selective Ensemble

Questo studio propone un framework di ensemble selettivo basato sulla stabilità e sulla recenticidad (SRSE), ottimizzato tramite Particle Swarm Optimization (PSO), che supera significativamente i modelli individuali e gli ensemble tradizionali nella previsione dei casi mensili di sifilide nella provincia di Jiangsu, offrendo uno strumento robusto per la sorveglianza delle malattie a breve termine.

Shanhua Zhang, Xinxin Shen2026-10-27