タグ付けされた質問 「biostatistics」

私は生物統計学の博士論文の研究トピックを選ぶことを考えてきました。近年のホットな研究トピックを知りたいです。私の知る限り、注目の研究トピックは次のとおりです。 高次元データ分析; 実験と観察研究における因果関係; 傾向スコアマッチング; ベイジアン統計。 時系列; モデルの選択。 生存データ分析; 私の質問は： 生物統計学の最近の研究動向をまとめた優れた文献レビューはありますか？ これらのトピックの必読のレビューペーパーは何ですか？

8 biostatistics  careers  phd 

私は現在、新聞を見つけた次の記事に基づいて、ニールオーウェンの次のケースを研究しています。 「20歳の学生は、イギリスの犯罪歴で最大のDNA検査プログラムの1つを行った後、女子生徒の残忍なレイプと殺害のために昨日終身刑を言い渡されました。ニールオーウェンは彼の遺伝子指紋が敷地内で2000人の男性を大量DNAスクリーニングした後、現場で発見されたDNAと一致しました。彼は犠牲者の家から100ヤードしか住んでいませんでした。実験室での実験では、他の誰かが1億6千万人に1人の割合で殺人の可能性があることが明らかになりました。」 ここでまず第一に、私はここで検察官の誤りに問題があることを認識しています。1億6,000万分の1は、実際にP（一致する血液型の無罪）を指す場合、P（一致する血液型の証拠）として解釈されるためです。しかし、私の質問は、防衛の推論に言及しています。 弁護人はイギリスには約3,000万人の男性がいると指摘し、オーウェンが有罪であった正しい確率は約16/19であり、合理的な疑いを超えて有罪判決を下すには十分高くないと主張した。だから私の二つの質問は 1. 16/19という数値が計算されたと思いますか？（人口3,000万人、1億6000万分の1の確率が使われたと思いますか？） 2.どのような暗黙の仮定がなされましたか、そしてそれらはどのくらい妥当ですか？

8 probability  biostatistics  bioinformatics  legal 

コミュニティに提起したい質問があります。最近、腫瘍マーカーの予後研究のために統計分析を提供するように依頼されました。私は主にこれら2つの参照を使用して、私の分析を導きました。 McShane LM、他 腫瘍マーカー予後研究に関する推奨事項の報告（注釈）。J Natl Cancer Inst。2005年8月17日。97（16）：1180-4。 サイモンRMなど 高次元データに基づく生存リスク分類子の予測精度を評価するための交差検証の使用。簡単なバイオインフォーム。2011年5月; 12（3）：203-14。Epub 2011 2月15日。 以下の研究と分析をまとめました。コメント、提案、または批判をいただければ幸いです。 研究の背景： がんXの一部の患者は、治療後早期に再発します。現在医師が使用している臨床予後スコアは、これらの患者の臨床転帰を予測する上で十分な役割を果たしていません。したがって、この標準スコア以上の価値を追加する生物学的予後マーカーを特定することは有用です。この研究の目的は、そのようなバイオマーカーを発見することです。 調査方法： 候補バイオマーカーの事前選択 がんXに関連する12のバイオマーカーが以前の研究で特定された。以下に示すように、患者/腫瘍の独立したサンプルで、これらの12の候補と癌Xの関連を検証しようとしました。 事前選択された候補バイオマーカーの単変量検証 これらのバイオマーカーのレベルは、220人の患者/腫瘍のセットで測定されました。 [注：データをマスクして、*。csvファイルとして公開ダウンロードできるようにしました。ファイルには次の列があります。「ID」、各患者の一意の識別子。「PS」は各患者の予後スコアで、1は予後良好を示し、2は予後不良を示します。「m1」〜「m12」、各腫瘍マーカーのレベル。「時間」、月単位。「イベント」。0は監視が中止されたことを示し、1は治療失敗が発生したことを示す。 従属変数としての死亡までの時間を含む単変量Cox回帰モデルは、12のバイオマーカーのそれぞれについて作成されました（n = 220の観測値、イベントの数= 91）。 Risk LCI UCI pValue 1 0.93 0.86 1.02 0.1088 2 0.93 0.88 0.99 0.0215 3 0.99 0.92 1.05 0.6528 4 0.93 0.87 1.00 0.0468 5 …

8 predictive-models  survival  epidemiology  biostatistics  cox-model 

私はこれを何時間もオンラインで検索しましたが、探しているオンライン投稿はありません。私の質問はSAS Proc混合手順で実装するのは非常に簡単ですが、lmeおよび/またはlmerパッケージでそれを実行する方法がわかりません。というモデルがあるとします 。ここで、は固定されていますが、とはランダムです。私のRコードはy= μ + α + β+ α β+ ey=μ+α+β+αβ+ey = \mu + \alpha + \beta +\alpha\beta + eαα\alphaββ\betaα βαβ\alpha\beta f1 = lme(y ~ factor(a), data = mydata, random = list(factor(b) = ~ 1, factor(a):factor(b) = ~ 1)) エラー：予期=しない： f1 = lme(y ~ factor(a), data = mydata, random = …

8 r  mixed-model  cross-validation  biostatistics 

予測的および予後的要因という用語が（通常は生物統計学の文脈で）たくさん出回っていると聞いていますが、それらの違いが何であるかはよくわかりません。誰かがそれぞれの定義、2つの例、そして最終的にはそれらがどのように互いに異なるかを教えてもらえますか？

7 biostatistics  definition 

「U-Net」として知られるニューラルネットワーク（Ronneberger、Fischer、およびBrox 2015）は、Kaggleの最近の超音波神経セグメンテーションコンテストで著名な技​​術でした。そこでは、高いスコアが、手描きの領域。 （クリストファーヘフェレからの写真） （おそらくダウンサンプリングされた画像から）すべてのピクセルの分類を続行する場合、隣接するピクセルが同じクラスになる傾向があるという事前の知識を組み込む多くの方法が必要であり、さらにすべての正の分類が単一の空間領域。しかし、私はこれらのU-Netsがどのようにそれをしているのか理解できません。畳み込み演算子とプーリング演算子の迷路ではありますが、これらはすべてのピクセルを分類します。 分離の境界線が関係していますが、紙はそれらが「形態学的演算を使用して計算される」と述べており、これは私がU-Net自体から完全に分離していることを意味します。これらの境界線は、境界線のピクセルがより強調されるように、重みを変更するためにのみ使用されます。それらは分類タスクを根本的に変えるようには見えません。 すべてのピクセルを分類する際、「U-Net」と呼ばれるこの深い畳み込みニューラルネットワークは、予測領域が単一の空間領域になるという事前知識をどのように組み込んでいますか？

7 neural-networks  deep-learning  biostatistics  conv-neural-network  image-processing