Trajectory-informed graph-based clustering for longitudinal cancer subtyping
この論文は、時間変化する画像特徴や臨床状態の遷移を含む多モーダルデータを患者類似性グラフに統合する新しい手法を提案し、がんの生物学的異質性と時間的進化を捉えた臨床的に有用なサブタイプ同定を実現することを示しています。
📊 Category
stat.ME
219 件の論文
Pseudo Empirical Best Prediction of Multiple Characteristics in Small Areas
この論文は、複雑な標抜設計下で複数の従属する目的変数の小地域平均を推定するために、標抜重みを考慮した多変量擬似経験的最良線形不偏予測子（MNER モデルに基づく）とその誤差分散のブートストラップ推定法を提案し、シミュレーションおよび住宅データへの適用を通じてその有効性を検証するものである。
Novel g-computation algorithms for time-varying actions with recurrent and semi-competing events
この論文は、半競合事象（死亡など）と時間依存交絡を同時に扱うための新しい g-計算アルゴリズムを提案し、シミュレーションおよび実データ分析を通じてその有効性を示したものである。
A General Theory of Outcome Weighted Learning for Individualized Treatment Rules
この論文は、マテール核やガウス核を用いた一般化された損失関数クラスに対して、個人別治療方針の学習における過剰リスクの収束性を理論的に確立し、反復重み付け最適化アルゴリズムを提案することで、既存のアウトカム重み付け学習の枠組みを拡張するものです。
Bayesian Hierarchical Models and the Maximum Entropy Principle
この論文は、ハイパーパラメータに条件付けた事前分布が最大エントロピー分布（canonical distribution）である場合、ハイパーパラメータを積分して得られるパラメータの周辺事前分布も、未知量の関数の周辺分布に関する異なる制約のもとで最大エントロピー性を満たすことを示し、階層モデルを割り当てる際に仮定されている情報の本質を明らかにするものである。
An operator-level ARCH Model
本論文は、従来の点ごとの分散モデルを超え、一般の可分ヒルベルト空間における条件付き共分散作用素全体の進化を捉える新たな演算子レベルの ARCH モデルを提案し、その定常性や推定量の一致性を理論的に確立するとともに、高頻度取引データへの適用を通じてその実用性を示しています。
Optimized combination of independent or simultaneous e-values
本論文は、データに基づいて調整パラメータを最適化しても有効性が保たれる e 値の最適結合クラスを独立および同時 e 変数に対して示し、初等対称多項式に基づく改良された結合検定法を提案するものである。
Causal Concept Graphs in LLM Latent Space for Stepwise Reasoning
この論文は、スパースオートエンコーダと微分可能な構造学習を組み合わせることで大規模言語モデルの潜在空間に因果概念グラフを構築し、多段階推論における概念間の因果依存関係を可視化するとともに、介入実験による評価スコア（CFS）で既存手法を上回る性能を実証する手法を提案しています。
Gimbal Regression: Orientation-Adaptive Local Linear Regression under Spatial Heterogeneity
この論文は、空間的異質性における局所回帰の不安定さを解消し、数値的安定性と透明性を確保するために、幾何学的な方向性を明示的に活用した決定論的かつ幾何学的に意識された新しい回帰手法「Gimbal 回帰」を提案しています。
Robust Updating of a Risk Prediction Model by Integrating External Ranking Information
この論文は、異なる研究集団間でのリスクスコアの絶対値の不一致を克服し、既存の予後モデルから得られる「リスク順位」の情報を内部研究の新しいリスクモデル構築に統合するための新しい推定手法を提案し、その有効性をシミュレーションおよび前立腺がんのデータを用いて実証したものである。
Surrogate-Assisted Targeted Learning for Delayed Outcomes under Administrative Censoring
行政的打ち切りにより主要なアウトカムが観察されにくい状況下で、代理変数を利用した標的最小損失推定量を提案し、逆確率重み付けの不安定性を回避しつつ、二重頑健性と漸近線形性を保証する手法を開発しました。
Post-Experiment Decisions: The Dual Adjustments for Rollout and Downstream Optimizations
この論文は、不確実な実験結果に基づく意思決定における過大・過小評価の非対称なコストを考慮し、ロールアウトと下流最適化の両方に対してデータに依存しない調整を加える「PATRO」という手法を提案し、それがベイズ最適基準に近い性能を発揮することを示しています。
Strong Gaussian approximation for U-statistics in high dimensions and beyond
この論文は、次元が発散する高次元環境における非退化な U-統計量に対して、多項式成長の下で誤差が消失する強ガウス近似を確立し、その技術的核となる完全退化 U-統計量の鋭いマルチンゲール極大不等式を用いて、重尾分布下でも有効な高次元推論のための統一的な確率論的基盤を提供するものです。
Conformal prediction for high-dimensional functional time series: Applications to subnational mortality
この論文は、モデル依存や分布の仮定に依存しない「コンフォーマル予測」を用いて、日本とカナダの地域別年齢別死亡率という高次元関数時系列データに対する予測区間を構築し、分割法と逐次法の性能を比較評価する手法を提案しています。
Investigations of Heterogeneity in Diagnostic Test Accuracy Meta-Analysis: A Methodological Review
この方法論的レビューは、診断精度メタ分析における異質性の調査が頻繁に行われているものの、統計モデルの報告が不明確な場合が多く、プロトコルでの事前計画の徹底が透明性向上に重要であることを示しています。
Multiple change-point detection on the circle via isolation using permutation testing
本論文は、円形信号における複数の変化点を検出するための新しい手法「PCID」を提案し、対比関数と置換検定を用いたオフライン検出法が、フォン・ミーゼス分布の仮定を超えて多様なノイズ構造や実データに対しても頑健に機能することを示しています。
Bayesian Design and Analysis of Precision Trials with Partial Borrowing
この論文は、胃癌の臨床試験を動機として、外部データと標的集団の共変量分布の適合度に基づいて個別に重み付けを行う個人重み付けモデルを提案し、部分的情報借用を用いた精密試験のベイズ設計・分析枠組みを構築し、シミュレーションを通じてその性能を検証するものである。
Risk time splitting for improved estimation of screening programs effect on later mortality
この論文は、検診プログラムの効果評価における精度向上のために、従来の手法では利用されなかったデータも活用する「リスク時間の分割」法を詳細に解説し、最尤法を追加して広く普及させる基盤を築き、ノルウェーとデンマークのデータを用いた適用により、他の手法に比べて信頼区間が大幅に狭くなることを示しています。
Kernel Tests of Equivalence
この論文は、従来の適合度検定の限界を克服し、分布間の統計的に意味のある差異の不在を評価するための、カーネル・スタイン不一致と最大平均不一致を用いた新しい等価性検定手法を提案し、その漸近正規性近似およびブートストラップ法に基づく臨界値の計算方法を提示しています。
Redefining shared information: a heterogeneity-adaptive framework for meta-analysis
この論文は、研究間の異質性に応じてデータセット間の共有情報を適応的に調整し、KL 発散ペナルティを用いた新しい「重心」分布への縮小推定を導入することで、従来の「全か無か」の二元論的アプローチの限界を克服し、推定精度と統計的推論の両方を改善するメタ分析フレームワークを提案するものである。