PulseAugur
中
实时 14:31:07
English(EN) Robust inference for risk heterogeneity under group imbalance

新的统计方法稳健推断群体风险异质性

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个新的统计框架，用于稳健地推断生物医学数据中不同群体间的风险异质性。该方法使用 Neyman 正交性来创建对干扰参数估计误差不敏感的估计量。模拟显示，与传统的基于似然的方法相比，该方法显著减少了偏差并提高了稳定性，并且它成功地识别了 eICU 数据集中标准方法所忽略的特定种族死亡风险。 AI

影响 为分析健康数据中的亚群差异提供了一种更可靠的方法，有可能改善临床试验设计和患者护理。

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=2 ai=0.4]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv stat.ML TIER_1 English(EN) · Mengqi Xu, Subha Maity, Joel Dubin ·

    群体失衡下风险异质性的稳健推断

    arXiv:2606.00797v1 Announce Type: cross Abstract: Population-level heterogeneity is ubiquitous in biomedical data, where differences across demographic or clinical subgroups can substantially alter risk patterns. For example, in intensive care unit (ICU) studies, the mortality ri…

  2. arXiv stat.ML TIER_1 English(EN) · Joel Dubin ·

    Robust inference for risk heterogeneity under group imbalance

    Population-level heterogeneity is ubiquitous in biomedical data, where differences across demographic or clinical subgroups can substantially alter risk patterns. For example, in intensive care unit (ICU) studies, the mortality risk associated with specific admission diagnoses ca…

相关话题