新路线图整合了随机对照试验、真实世界数据和人工智能/机器学习用于证据综合

一篇新的观点论文提出了一个六步统计路线图，用于整合随机对照试验（RCTs）、真实世界数据（RWD）和人工智能/机器学习（AI/ML），以改进证据综合。该论文认为，证据生成的未来在于这些方法的原则性结合，而不是排他性使用。它解决了关于RWD的因果使用、AI/ML的贡献、统计学不可或缺的作用以及制药和监管环境中统计学培训的演变等关键问题。 AI

影响 通过将人工智能/机器学习与传统统计方法相结合，提出了一个框架，以提高药物开发等领域的证据生成的可靠性和效率。

排序理由 该条目是发表在arXiv上的研究论文，讨论了一种新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• Causal Roadmap
• randomized controlled trial
• Real world data
• real-world evidence
• Shu Yang
• statistics

• 论文
• 其他

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