441 artigos
Este artigo propõe um framework de infusão de erro de medição adaptativo que quantifica a importância do mediador ao avaliar a degradação do caminho sob perturbações controladas, oferecendo um método robusto para selecionar mediadores em sistemas lineares e não lineares onde os sinais são fracos ou interações estão presentes.
Este artigo demonstra, por meio de uma análise pan-cancerígena pré-registrada, que uma hipótese relativa ao acoplamento matemático em estudos de expressão gênica prognóstica foi confirmada em grande parte por construção, uma vez que os critérios de teste foram atendidos mesmo quando aplicados a dados nulos com desfechos permutados, destacando a necessidade crítica de validar pipelines analíticos contra desfechos permutados para evitar conclusões de confusão falsas.
Este estudo utiliza simulações controladas e conjuntos de dados empíricos para demonstrar que a completude por componentes principais de passagem única melhora a precisão da previsão em relação às médias simples de colunas apenas quando os dados exibem estrutura entre colunas e densidade de observação suficiente, enquanto falha em fornecer recuperação não enviesada para colunas independentes ou desfechos clínicos naturalmente ausentes.
Este estudo propõe e avalia sistematicamente uma estrutura de dois estágios de "triagem mais confirmação" que combina a triagem top-k baseada em SHAP com testes de Wald, correção de BH e validação de robustez por bootstrap para equilibrar efetivamente o controle de falsos positivos e a sensibilidade de detecção na análise de interação, ao mesmo tempo em que estabelece diretrizes operacionais específicas e níveis de gradação de evidência para aplicação no mundo real.
Este artigo argumenta que interpretar as hipóteses e da estrutura de Neyman–Pearson através de uma lente epistêmica constitui um erro de categoria, visto que elas funcionam não como reivindicações de verdade para justificativa racional, mas como instrumentos metodológicos normativos desenhados para regular a tomada de decisão sob incerteza, necessitando, portanto, de uma distinção não hierárquica e baseada em problemas entre epistemologia e metodologia.
Este artigo propõe um framework para MRI sequencial que utiliza fibras de observação controladas e parada de prefixo causal para fornecer limites de confiança uniformes no tempo e quantificação de incerteza robusta, separando efetivamente identificação, rejeição e custo de aquisição ao mesmo tempo em que aborda equivalência observacional e erro de especificação de modelo.
Este artigo estabelece que, sob o branqueamento induzido por Fisher, o parâmetro de forma do modelo KA é invariante à representação, enquanto o expoente de escala desloca-se por um valor universal de , uma descoberta confirmada por identidades exatas de amostra finita e simulações de Monte Carlo de alta precisão.
Este artigo propõe um método Monte Carlo Multinível aninhado, potencializado pela pré-integração para superar a descontinuidade e os altos custos computacionais da estimativa de risco padrão, alcançando uma taxa de convergência forte superior de -1 e complexidade quase ótima, enquanto lida efetivamente com fenômenos de alta curtose.
Em ensaios simulados de transtorno depressivo maior, uma abordagem de aprendizado profundo demonstrou precisão e robustez superiores na estimativa dos efeitos do tratamento na semana 8 em comparação com modelos mistos para medidas repetidas, enquanto exigiu menos suposições a priori sobre o sistema de dados subjacente.
Este artigo desenvolve um arcabouço geral para medir a dispersão ao aplicar funcionais estatísticos aos desvios absolutos de um valor de referência, estabelece desigualdades fundamentais comparando essas medidas e ilustra seu comportamento através de diversas distribuições por meio de simulação.