Large observational datasets, including those derived from electronic health records, are a valuable resource for medical research but are often affected by missingness, measurement error, and misclassification. Two-phase sampling with generalized raking (GR) estimation is an efficient and robust approach to statistical inference in such settings. In this approach, variables that are unavailable or measured with error in a large Phase 1 cohort are obtained with higher-quality measurements in a Phase 2 subsample. Previous research has studied optimal Phase 2 sampling designs for inverse-probabi
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 a cancer clinical trial with an immunotherapy, the treatment often becomes effective after a certain delay time. It is well known that traditional log-rank test no longer provides optimal power in this case. There has been a great interest to search for a more powerful test to detect a truly effective immunotherapy treatment. In this paper, we propose a new testing method based on the maximum value of a set of 0-1 weighted log-rank test statistics and establish useful theoretical results of the relevant test statistics. Extensive simulation studies are conducted to examine the empirical per
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.
Increasing epidemiologic evidence suggests that the diversity and composition of the gut microbiome can predict infection risk in cancer patients. Infections remain a major cause of morbidity and mortality during chemotherapy. Analyzing microbiome data to identify associations with infection pathogenesis for proactive treatment has become a critical research focus. However, the high-dimensional nature of the data necessitates the use of dimension-reduction methods to facilitate inference and interpretation. Traditional dimension reduction methods, which assume Gaussianity, perform poorly with
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.
Heterogeneity of the progression of neurodegenerative diseases is one of the main challenges faced in developing therapies. Thanks to the increasing number of clinical databases, progression models have allowed a better understanding of this heterogeneity. Joint models have proven their effectiveness by combining longitudinal and survival data. Nevertheless, they require a reference time, which is ill-defined for neurodegenerative diseases, where biological underlying processes start before the first symptoms. In this work, we propose a joint non-linear mixed-effect model with a latent disease
СтатьяОбзорПоиск 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.
Extracting biologically meaningful information from high-dimensional, heterogeneous omics data is one of the key challenges in many biomedical studies. Among various biomedical applications, disease subtyping is of particular interest due to its critical role in improving diagnosis and designing personalized treatments. To address this, biclustering has become a widely used statistical method for subtyping. Additionally, it has been demonstrated across various statistical learning methods that incorporating biological graph knowledge such as gene regulatory network can significantly enhance va
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.
Unmeasured confounding can severely bias causal effect estimates from spatiotemporal observational data, especially when the confounders do not vary smoothly in time and space. In this work, we develop a method for addressing unmeasured confounding in spatiotemporal contexts by building on models from the panel data literature and methods in multivariate causal inference. Our method is based on a factor confounding assumption, which posits that effects of unmeasured confounders on exposures and outcomes can be captured by a shared latent factor model. Factor confounding is sufficient to partia
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.
Biomarker identification plays a crucial role in precision medicine, where treatments are tailored to patients' intrinsic factors. Predictive biomarkers can be used to identify patients who are more likely to benefit from a treatment. However, identifying and validating such biomarkers pose substantial statistical and practical challenges, especially in the small sample setting. Several methods have been proposed for assessing whether a biomarker has a predictive effect, including the Average Kolmogorov-Smirnov Approach (AKSA), which has been shown to have improved operating characteristics fo
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.
Emerging technologies enable continuous monitoring of temporal exposures to disease risk factors, leading to complex exposure processes characterized by subject-specific numbers and durations of exposure episodes. A key scientific question is how the number and duration of such episodes influence disease risk. Existing methods typically rely on scalar summaries or time-indexed representations and are not naturally suited to model duration-dependent risk accumulation at the episode level. We introduce the FLexible Accumulation ModEl (FLAME), a semiparametric model for risk accumulation at the l
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.
Real-world randomized controlled trials (RCTs) evaluating multifaceted interventions often employ multiple study outcomes to measure treatment effects on a small set of underlying constructs. Motivated by a longitudinal RCT evaluating a behavioural intervention, the Arthritis Health Journal (AHJ), we propose a latent-factor multivariate complier average causal effects (MCACE) model for multidimensional longitudinal outcomes with principal strata of compliance types for parsimonious estimation of intervention effects in RCTs with treatment noncompliance. Within each compliance type, a factor re
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.
The cure rate in clinical trials can be estimated using the Kaplan-Meier (KM) estimator. However, when the clinical trial follow-up period is insufficient and short, the KM estimator may overestimate the proportion of cured patients. Although a correction method was proposed by Escobar-Bach and Keilegom based on bootstrap sampling, this can also lead to bias when the bootstrap distribution is skewed. We propose a median-based approach for bootstrap samples to address these issues. Simulation results showed that the effect of the variation of the proposed method due to many outliers was smaller
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.
Mathematical and statistical models have been essential tools in exploring the dynamics of viral load measures, understanding of the pathogenesis of HIV-1 infection and in assessment of the potency of antiretroviral therapies. However, this can be challenging due to the potential intra-couple correlation as well as the presence of multiple measurements collected from the same study site or cluster. A second complication arises due to censoring of the individual viral load measurements. The aim of this paper is to investigate the association between age and viral load of woman and man within a
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.
The article proposes a robust approach to jointly modeling multiple repeated clinical measures with intricate features. More specifically, we aim to expand the scope of the multivariate linear mixed model by using the multivariate contaminated normal distribution. The proposed model, called the multivariate contaminated normal linear mixed model with censored and missing responses (MCNLMM-CM), is designed to handle minor outliers effectively, while simultaneously accommodating censored measurements and intermittent missing responses. An expectation conditional maximization either algorithm is
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 this study, we present an innovative approach for tailoring treatment selection on an individualized basis in the presence of correlated multiple responses, particularly those measured on ordinal scales, including binary responses. Our methodology involves the utilization of rank lists for treatments, generated from probabilities of observing responses of higher order than each level of the ordinal outcome, conditional on patient covariate measurements. We introduce a rank aggregation technique designed to amalgamate multiple lists of ranks, allowing for correlations both within these lists
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 this study, the maximum likelihood estimators (MLEs) and Bayes estimators for the shape and scale parameters of Inverse Exponential Power (IEP) distribution are derived. As closed-form solutions for the Bayes estimators are not available, approximate estimators are obtained through Lindley's and Tierney-Kadane's approximation methods, along with the Markov Chain Monte Carlo (MCMC) method, under the squared-error loss (SEL) function. Also, the approximate Bayes estimates are evaluated against the maximum likelihood estimates based on mean square error (MSE) and bias values using Monte Carlo
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 radiation therapy for cancer is to deliver prescribed radiation dose to the tumor while minimizing dose to the surrounding healthy tissues. To evaluate treatment plans, the dose distribution to healthy organs is commonly summarized as dose-volume histograms (DVHs). Normal tissue complication probability (NTCP) modeling has centered around making patient-level risk predictions with features extracted from the DVHs, but few have considered adapting a causal framework to evaluate the safety of alternative treatment plans. We propose causal estimands for NTCP based on deterministic and
СтатьяПоддержка исследования: вне правительства СШАПоиск 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.
We propose a novel causal estimand that elucidates how response to an earlier treatment (e.g., treatment initiation) modifies the effect of a later treatment (e.g., treatment discontinuation), thus learning if there are effects among the (un)affected. Specifically, we consider a working marginal structural model summarizing how the average effect of a later treatment varies as a function of the (estimated) conditional average effect of an earlier treatment. We define the estimand to be a data-adaptive causal parameter, allowing for estimation of the conditional average treatment effect using m
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.
OBJECTIVE: The aim of this study was to explore the impact of model misspecification, balance, and extreme weights on average treatment effect (ATE) estimation in hierarchical data with unmeasured cluster-level confounders using the multilevel propensity score model and inverse probability weight (IPW).
METHODS: We simulated 48 hierarchical data scenarios with unmeasured cluster-level confounders, fitting nine ATE estimation strategies. These strategies were combined with IPW, which used both marginal stabilized weights and cluster-mean stabilized weights. Extreme weights were handled by trun
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.
Forecasting of seasonal mortality patterns can provide useful information for planning health-care demand and capacity. Timely mortality forecasts are needed during severe winter spikes and/or pandemic waves to guide policy-making and public health decisions. In this article, we propose a flexible method for forecasting all-cause mortality in real time considering short-term changes in seasonal patterns within an epidemiologic year. All-cause mortality data have the advantage of being available with less delay than cause-specific mortality data. In this study, we use all-cause monthly death co
СтатьяПоддержка исследования: вне правительства СШАПоиск 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.
It has become consensus that mild cognitive impairment (MCI), one of the early symptoms onset of Alzheimer's disease (AD), may appear 10 or more years after the emergence of neuropathological abnormalities. Therefore, understanding the progression of AD biomarkers and uncovering when brain alterations begin in the preclinical stage, while patients are still cognitively normal, are crucial for effective early detection and therapeutic development. In this paper, we develop a Bayesian semiparametric framework that jointly models the longitudinal trajectory of the AD biomarker with a changepoint
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.
Unscheduled treatment interruptions may lead to reduced quality of care in radiation therapy (RT). Identifying the RT prescription dose effects on the outcome of treatment interruptions, mediated through doses distributed into different organs at risk (OARs), can inform future treatment planning. The radiation exposure to OARs can be summarized by a matrix of dose-volume histograms (DVH) for each patient. Although various methods for high-dimensional mediation analysis have been proposed recently, few studies investigated how matrix-valued data can be treated as mediators. In this paper, we pr
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.
MedElevator
Войти в исследования