PulseAugur
实时 06:34:10
English(EN) Bayesian fusion forests for heterogeneous treatment effects on survival from randomised and real-world data

新的贝叶斯方法融合试验和真实世界数据进行生存分析

研究人员开发了一种名为贝叶斯融合森林的新统计框架,用于估计治疗对生存结果的影响。该方法结合了随机对照试验数据和真实世界数据,放宽了对真实世界数据无混淆性的严格假设。该框架使用贝叶斯树集成先验来模拟生存时间,允许数据源之间共享基线预后,同时捕捉源之间的异质性。应用于 HIV 治疗数据时,融合方法发现几乎所有患者都受益,而仅凭试验数据无法得出此结论。 AI

影响 引入了一种新颖的生存数据分析统计框架,有可能改善医学研究中的治疗效果估计。

排序理由 该集群包含一篇详细介绍新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的贝叶斯方法融合试验和真实世界数据进行生存分析

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Tijn Jacobs, St\'ephanie L. van der Pas, Wessel N. van Wieringen ·

    用于随机和真实世界数据异质性处理效应生存的贝叶斯融合森林

    arXiv:2607.29295v1 Announce Type: cross Abstract: We develop the Bayesian fusion forest, a nonparametric framework to estimate heterogeneous treatment effects on survival outcomes by combining a randomised controlled trial and real-world data. The framework relaxes the unconfound…