219 papers
Deze studie introduceert een nieuwe trajectgebaseerde graf-clusteringmethode die longitudinale patiëntdata en multi-modale klinische kenmerken integreert om dynamisch en klinisch relevante kankersubtypen te identificeren die beter aansluiten bij de ziekteprogressie dan traditionele statische benaderingen.
Dit artikel introduceert een multivariate pseudo-empirische beste lineaire voorspeller voor het schatten van areaalgemiddelden van meerdere afhankelijke variabelen onder complexe steekproefontwerpen, inclusief methoden voor het schatten van de variantie en toepassing op huisvestingsdata.
Deze studie introduceert twee nieuwe g-computatie-algoritmen die tijd-variërende confounding en semi-concurrerende gebeurtenissen, zoals overlijden dat het optreden van een niet-dodelijke ziekte verhindert, gelijktijdig aanpakken om de causale effecten van interventies op langetermijnonderzoeken nauwkeuriger te schatten.
Dit artikel ontwikkelt een algemene theorie voor outcome weighted learning die de convergentiesnelheden van individuele behandelregels met Matern- en Gaussische kernels voor zowel convexe als niet-convexe verliesfuncties vaststelt, en twee iteratieve algoritmen voorstelt die in simulaties en de ACTG 175-studie sterke prestaties laten zien.
Dit artikel toont aan dat wanneer de prior in een Bayesiaans hiërarchisch model een canonieke verdeling is, de resulterende afhankelijke marginale prior ook een maximum-entropie-eigenschap bezit, maar dan met een andere constraint op de marginale verdeling van een functie van de onbekende grootheden.
Dit artikel introduceert een nieuw ARCH-raamwerk voor data in Hilbertruimten dat de volledige evolutie van de conditionele covariantie-operator modelleert in plaats van alleen puntsgewijze varianties, en biedt daarbij voorwaarden voor stationariteit, afgeleide schatters en een toepassing op hoogfrequente intradagrendementen.
Dit artikel toont aan dat een klasse van geoptimaliseerde e-waarde-combinaties geldig blijft wanneer de afstemparameter op basis van de data wordt geoptimaliseerd, en introduceert een verbeterde combinatietest voor zowel onafhankelijke als nieuwe 'simultane' e-variabelen.
Dit artikel introduceert Causal Concept Graphs, een methode die sparse autoencoders en differentieerbare structuurlerning combineert om causale relaties tussen concepten in de latent ruimte van taalmodellen te visualiseren en te manipuleren voor verbeterde stapsgewijze redenering, wat resulteert in een significant hogere Causal Fidelity Score dan bestaande technieken.
Dit paper introduceert Gimbal Regression, een deterministisch en geometrisch bewust lokaal regressiemodel dat numerieke instabiliteit in ruimtelijke heterogeniteit oplost door richtingsgewichten te construeren via expliciete oriëntatieobjecten en een gesloten-vorm oplossing.
Deze paper introduceert een methode om een nieuw risicomodel te updaten door externe rangordingsinformatie van bestaande modellen te integreren, wat vooral effectief is wanneer de risicoscores verschillen maar de rangorde van patiënten vergelijkbaar blijft.
Dit artikel introduceert een gesurrogateerde, gerichte minimum-verlies-schatter die stabiele en dubbel robuuste schattingen van causale effecten mogelijk maakt bij vertraagde uitkomsten en administratieve censuur, zonder afhankelijk te zijn van instabiele inverse-kansgewichten.
Dit artikel introduceert PATRO, een eenvoudige plug-in methode die onafhankelijke aanpassingen toepast op zowel de rolloutbeslissing als downstream optimalisaties op basis van experimentele data, waardoor het bijna even effectief is als de complexe Bayes-optimalisatie maar wel transparant en rekenkundig efficiënt blijft.
Dit artikel vestigt een sterke Gaussische benadering voor niet-gedegenereerde U-statistieken in hoge dimensies, waarbij een scherp martingaal-maximaal-ongelijkheid wordt gebruikt om functionele limieten af te leiden die geldig blijven onder zware staartverdelingen en toepassing vinden in veranderingstestprocedures.
Deze studie past modelonafhankelijke en distributie-vrije conformale voorspellingsmethodes toe op hoogdimensionale functionele tijdreeksen om voorspellingsintervallen voor subnationale sterftecijfers te construeren, waarbij de prestaties van gesplitste en sequentiële benaderingen worden vergeleken aan de hand van empirische dekking en intervalscores.
Deze methodologische review toont aan dat subgroepanalyses en meta-regressie in diagnostische testnauwkeurigheid-meta-analyses vaak worden gebruikt om heterogeniteit te onderzoeken, maar dat de rapportage van statistische modellen en de voorafgaande specificatie in protocollen vaak ontoereikend is, wat de transparantie en betrouwbaarheid van de bevindingen kan ondermijnen.
In dit artikel wordt de PCID-methode voorgesteld, een nieuw algoritme dat gebruikmaakt van permutatietests en isolatie voor het detecteren van meerdere veranderingpunten in circulaire signalen, waarbij de methode zowel in simulaties als bij toepassing op real-world datasets robuust presteert.
Dit artikel presenteert een Bayesiaans kader voor het ontwerp en de analyse van precisietests met gedeeltelijke informatieoverdracht, waarbij externe data worden gewogen op basis van covariaten om subgroep-effecten nauwkeuriger te schatten, zoals geïllustreerd aan de hand van een maagkankerstudie.
Dit artikel legt een verfijnde methode voor het schatten van het effect van screeningsprogramma's op latere sterfte uit, waarbij historische data en maximum likelihood-schattingen worden gebruikt om de precisie te vergroten en de betrouwbaarheid van de resultaten te verbeteren.
Deze paper introduceert nieuwe op kernen gebaseerde tests voor het beoordelen van de equivalentie tussen verdelingen, die de beperkingen van traditionele goodness-of-fit-tests en bestaande parametrische equivalentietests overwinnen door het gebruik van kernel-Stein-discrepantie en Maximum Mean Discrepancy.
Dit artikel introduceert een heterogeniteitsadaptief meta-analyseframework dat dataset-specifieke verdelingen via een Kullback-Leibler-straf naar een gezamenlijke 'centroïde' schuurt, waardoor een schatter met een bewezen lagere gemiddelde kwadratische fout en geldige inferentie wordt verkregen zonder homogeniteit aan te nemen.