stat 篇论文 | Gist.Science

这项模拟研究表明，在临床预测模型比较中常见的微小效应量水平下，被宣布的“获胜者”往往是由随机数据拆分而非模型的真实优越性所决定的，这导致了性能差距的虚高，并使得使用相同数据的不同分析师之间出现显著的分歧。

本研究开发了一个扩展型 SEIVBPR 模型的优化控制框架，旨在确定结合常规疫苗接种、加强针运动和接触减少措施的最具成本效益策略，并证明此类干预措施可以在 25 周内根除脊髓灰质炎病毒传播并将永久性瘫痪减少 80% 以上。

基于对《自然-通讯》（*Nature Communications*）中 35,852 篇论文的倾向评分匹配实证分析，本研究表明，开放式同行评审与更高的 Altmetric 注意力得分显著相关，这表明透明的评审过程增强了科学研究的社会影响力和公众传播力。

本文证明了无标签分类器评估是一个奇异统计问题，其中经典的模型选择准则会因退化的费舍尔信息量而失效，并提出使用奇异且广泛适用的贝叶斯信息准则，以在没有地面真值标签的情况下准确恢复潜在结构并确保性能估计的可信度。

本研究提出了一种结合 CRITIC 方法与加权 k-means 算法的混合决策支持框架，旨在优化加济安特普公园区域内人道主义救援中心的战略布局，以确保灾后场景下基于需求且客观的规划。

本研究表明，在不同缺失程度的真实临床数据集下，k-最近邻（KNN）插补在保持分布保真度和多元结构完整性方面，优于中位数替代法和多重插补链式方程法（MICE）。

这项针对叙利亚范围界定综述与案例研究表明，传统的统计方法通过未能捕捉复杂的、交织性的现实，系统性地使人道主义背景下的残疾人群变得隐形，从而迫切需要向更具细分性和灵活性的数据收集方式进行范式转变，以确保包容性的援助交付。

本研究表明，虽然在特定火灾事件中表现准确，但基于火灾后损毁数据训练的机器学习模型无法跨不同火灾进行泛化，因为房屋加固特征（例如单层玻璃窗）的保护性或有害效应并不稳定，甚至可能根据火灾背景而发生逆转，因此对使用汇总的观测数据来制定普适性的加固政策提出了警示。

这项蒙特卡洛研究表明，在写作研究的前测-后测设计中，改变任务数量和评分信度会产生性能与成本之间的系统性权衡，而非统一的排名，从而主张进行多标准评估和基于机制的验证，而非依赖单一指标。

本文介绍了一种基于具有两个形状参数的指数化广义正态分布的新型异方差回归框架，通过蒙特卡洛模拟验证了其稳健性，并展示了其在柿子果实着色建模中的实际应用。