Estimating heterogeneous treatment effects in survival settings is complicated by right censoring as well as the time-varying nature of the estimand. While the conditional average treatment effect (CATE) provides a natural target, most existing approaches focus on a single prespecified time point and do not account for temporal trajectory, leading to instability in estimation. We propose a deep survival learner (DSL) for estimating heterogeneous treatment effects with right-censored outcomes. The method is based on a doubly robust pseudo-outcome whose conditional expectation identifies time-sp
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
INTRODUCTION: Continuous glucose monitoring (CGM) produces rich time series data. Standard metrics such as time-in-range summarize glycemia but miss the sequence of changes. We aimed to characterize glucose dynamics using empirical transition probability techniques.
MATERIALS AND METHODS: Using publicly available data for 244 participants who enrolled in the Insulin-Only Bionic Pancreas (IOBP2) randomized clinical trial, we mapped each CGM reading to one of five states: < 54, 54-69, 70-180, 181-250, or >250 mg/dL. We counted state changes between consecutive readings collected every 5 minutes
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Numerous studies have shown that microbial metabolites, which represent the products of bacteria in the human gut, play a key role in shaping cancer risk and response to treatment. However, metabolite data typically contain a large proportion of missing values, which may result from either low abundance or technical challenges in data processing. Moreover, given the compositionality of microbiome data, where the observed abundances can only be interpreted on a relative scale, standard variable selection methods are not applicable. In this project, we propose a novel Bayesian regression method
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Saved time provides an intuitive interpretation comparing a new treatment to the placebo in a randomized trial with repeated measures. The projection approach is frequently used to estimate saved time by using the placebo group disease progression curve and the last visit data from the treatment group. Disease modifying therapies for Alzheimer's disease (AD) are expected to slow disease progression. For that reason, several disease progression models were developed to assess the effectiveness of the new treatment. These models require patient level data which are often challenging to obtain. T
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Covariate-specific and time-dependent area-under-curve (AUC) is often used to evaluate the discriminative performance of biomarkers with time-to-event outcomes, particularly when certain covariates influence biomarkers' accuracy. In biomarker research, despite extensive efforts, missing data remain unavoidable, with nonignorable missingness posing significant challenges. This article focuses on estimating the impact of covariates on time-dependent AUC in the presence of nonignorable missing biomarkers. Assuming a parametric model on the missing probability, we leverage instrumental variables t
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Selecting important individual- and cluster-level predictors has become increasingly critical in healthcare research, where data often exhibit hierarchical structures due to collection from multiple clusters. Mixed-effects models, which account for within-cluster correlation and between-cluster heterogeneity, are a natural approach for multilevel variable selection. However, currently available variable selection methods for multilevel data are predominantly based on mixed-effects models that impose restrictive parametric assumptions, potentially limiting their utility when the underlying rela
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
In precision medicine, subgroup identification is crucial for designing personalized treatments. This research focuses on subgroup identification in longitudinal clinical trials by integrating the Interaction Tree (ITree) with the Mixed Model for Repeated Measures (MMRM). Our ITree-MMRM approach retains the flexibility of tree-based methods in capturing nonlinear treatment interactions for heterogeneous treatment effects, while adhering to Food and Drug Administration guidelines for assessing treatment effects at the conclusion of longitudinal studies using MMRM. Additionally, we explore vario
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Prevalent infectious diseases, such as COVID-19, have triggered widespread social panic and placed immense strain on global healthcare systems. Understanding the complex spatio-temporal dynamics of these diseases and accurately forecasting their progression are essential for effective public health interventions. Existing forecasting paradigms struggle to simultaneously resolve three fundamental challenges: (1) temporal misalignment of epidemic curves across regions, (2) spatial dependency structures in transmission dynamics, and (3) persistent overdispersion in count data. This paper develops
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Accurately estimating treatment effects is crucial for designing optimal treatment plans in personalized medicine, especially in the presence of right-censored survival data. We propose a parameter transfer learning method for estimating treatment effects on right-censored survival data, which leverages multi-source auxiliary data to enhance the prediction accuracy and robustness of the target model. This method constructs multiple source models by extracting shared parameters from other datasets and uses a smoothed concordance index function specifically designed for right-censored survival d
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Branching process models are commonly used in infectious disease forecasting and often rely on daily incidence data, but their utility can be restricted if incidence is not reported daily or if reporting becomes less frequent during prolonged outbreaks. In this study, an Expectation Maximisation algorithm is used to reconstruct the daily incidence of COVID-19 cases from weekly case counts. Using data from 13 US states that maintained mostly daily reporting of COVID-19 cases from March 2020 to February 2022, we evaluate forecasting performance by comparing models using the true daily incidence
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Comparing future antibiotic resistance levels resulting from different antibiotic treatments is challenging because some patients may survive only under one of the antibiotic treatments. We embed this problem within a semi-competing risks approach to study the causal effect on resistant infection, treated as a nonterminal event time. We argue that existing principal stratification estimands for such problems exclude patients for whom a causal effect is well-defined and is of clinical interest. Therefore, we present a new principal stratum, the infected-or-survivors ( i o s $$ ios $$ ). The
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Advances in cellular imaging technologies, especially those based on fluorescence in situ hybridization (FISH), now allow detailed visualization of the spatial organization of human or bacterial cells. Quantifying this spatial organization is crucial for understanding the function of multicellular tissues or biofilms, with implications for human health and disease. To address the need for better methods to achieve such quantification, we propose a flexible multivariate point process model that characterizes and estimates complex spatial interactions among multiple cell types. The proposed Baye
СтатьяПоддержка NIH: внешняя программаПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Disease models are used to examine the likely impact of therapies, interventions, and public policy changes. Ensuring that these are well calibrated on the basis of available data and that the uncertainty in their projections is properly quantified is an important part of the process. The question of non-identifiability poses a challenge to disease model calibration where multiple parameter sets generate identical model outputs. For statisticians evaluating the impact of policy interventions such as screening or vaccination, this is a critical issue. This study explores the use of the Bayesian
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The progressive and multifaceted nature of Parkinson's disease (PD) calls for the integration of diverse data types, including continuous, ordinal, and binary, in longitudinal studies for a comprehensive understanding of symptom progression and disease trajectory. Significant terminal events, such as severe disability or mortality, highlight the need for joint modeling approaches that simultaneously address multivariate outcomes and time-to-event data. We introduce functional latent trait model-joint model (FLTM-JM), a novel joint modeling framework based on the functional latent trait model (
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The goal of this study was to evaluate whether personality disorder prototypes derived from three different models have similar pathological trait profiles within the Alternative Model of Personality Disorders (AMPD). Trainee clinicians (N = 329) rated a patient they were currently treating using the Shedler-Westen Assessment Procedure, the DSM-5 hybrid model prototype match (modified from the original prototype DSM-5 proposal) and the Psychodynamic Diagnostic Manual prototype match. Correlations among each PD prototype model with the DSM-5 traits were assessed. Theoretically similar prototype
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE: To develop a Bayesian method for dynamic borrowing of information from historical clinical trials and real-world data that has the potential to improve the efficiency of clinical trials. METHODS: We propose a novel statistical metric to quantify heterogeneity among data sources. Based on this metric, a Multi-Source Dynamic Borrowing (MSDB) Bayesian prior framework was proposed, which can address baseline imbalance and dynamically discount information from each data source separately without assuming exchangeability. In a simulation study, we compared the proposed framework and metrics
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
To advance our understanding of Alzheimer's Disease (AD), especially during the preclinical stage when patients' brain functions are mostly intact, recent research has shifted towards studying AD biomarkers across the disease continuum. A widely adopted framework in AD research, proposed by Jack and colleagues, maps the progression of these biomarkers from the preclinical stage to symptomatic stages, linking their changes to the underlying pathophysiological processes of the disease. However, most existing studies rely on clinical diagnoses as a proxy for underlying AD status, potentially over
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
The preclinical stage of many neurodegenerative diseases can span decades before symptoms become apparent. Understanding the sequence of preclinical biomarker changes provides a critical opportunity for early diagnosis and effective intervention prior to significant loss of patients' brain functions. The main challenge to early detection lies in the absence of direct observation of the disease state and the considerable variability in both biomarkers and disease dynamics among individuals. Recent research hypothesized the existence of subgroups with distinct biomarker patterns due to co-morbid
СтатьяПоддержка NIH: внешняя программаПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Pharmacogenomics stands as a pivotal driver toward personalized medicine, aiming to optimize drug efficacy while minimizing adverse effects by uncovering the impact of genetic variations on inter-individual outcome variability. Despite its promise, the intricate landscape of drug metabolism introduces complexity, where the correlation between drug response and genes can be shaped by numerous nongenetic factors, often exhibiting heterogeneity across diverse subpopulations. This challenge is particularly pronounced in datasets such as the International Warfarin Pharmacogenetic Consortium (IWPC),
СтатьяПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Radiotherapy is the mainstay of treatment for head and neck cancer (HNC) but may induce various side effects on surrounding normal tissues. To reach an optimal balance between tumour control and toxicity prevention, normal tissue complication probability (NTCP) models have been reported to predict the risk of radiation-induced side effects in patients with HNC. However, the quality of study design, conduct, and analysis (i.e. risk of bias (ROB)), as well as the predictive performance of these models, remains to be evaluated.
OBJECTIVES: To identify, describe and appraise NTCP mode
СтатьяСистематический обзорМетаанализПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
MedElevator
Войти в исследования