Using prior information to identify boundaries in disease risk maps
疾病地图显示疾病风险的空间模式,以便识别高风险集群。风险图中的空间结构通常由一组随机效应表示,这些效应是用条件自回归(CAR)先验建模的。这样的先验包括一个全局空间平滑参数,而真正的风险表面很可能包括平滑演变的区域以及不连续性,后者被称为风险边界。因此,本文提出了一种扩展类的CAR先验,它可以识别两个区域的局部空间平滑和风险边界。然而,允许这种局部平滑需要大量的相关参数进行估计,这是不太可能从数据中很好地识别。为了解决这个问题,我们建议引出一个信息先验的位置,这样的边界,它可以与数据的信息相结合,以提供更精确的后验推理。我们通过模拟测试我们的方法,然后将其应用于苏格兰大格拉斯哥的急诊入院风险的研究。
2012-08-24 stat.AP stat.ME
Beyond Missing Data: Questionnaire Response Uncertainty as an Early Digital Sign of Dementia-Related Vulnerability
Shanghai Institute for Mathematics and Interdisciplinary Department of Epidemiology and Biostatistics, School of Sciences(上海数学研究所与公共卫生学院流行病学与生物统计系);Department of Statistics and Data Science, National University of Singapore(新加坡国立大学统计与数据科学系)
本研究发现频繁的'不知道/无法回忆'响应可作为早期认知退化和神经退行性疾病风险的数字生物标志物,通过分析大规模数据揭示其与阿尔茨海默病和血管性痴呆风险的剂量依赖性关联。
2026-10-21 stat.AP
Developing Knowledge-enhanced Chronic Disease Risk Prediction Models from Regional EHR Repositories
IBM Research(IBM研究院)
精准医疗需要精确的疾病风险预测模型。在文献中,已经有很多成熟的(国际)国家风险模型,但当将它们应用于当地人群时,预测性能变得不令人满意。为了解决本地化的问题,本文探讨的方式来开发知识增强本地化的风险模型。一方面,我们通过从区域电子健康记录(EHR)存储库中学习来调整模型,另一方面,我们提出将知识注入到EHR数据学习过程中。对于实验,我们利用合并队列方程(PCE,如ACC/AHA指南中推荐的估计ASCVD风险)来开发糖尿病中的局部ASCVD风险预测模型。实验结果表明,如果直接对我们的队列使用PCE算法,AUC仅为0.653,而我们的知识增强局部风险模型可以获得更高的预测性能,AUC为0.723(提高了10.7%)。
2017-07-31 cs.AI stat.AP
Ensemble Prediction of Time to Event Outcomes with Competing Risks: A Case Study of Surgical Complications in Crohn's Disease
我们开发了一种新的算法来预测克罗恩病诊断后5年内腹部大手术的发生,使用瑞典人口登记的29个基线协变量。我们基于Aalen-Johansen估计量的原因特定的累积发病率与现代机器学习方法的合奏伪观测模型。伪观测预处理可以轻松地将所有现有或新的机器学习过程扩展到右删失事件历史数据。我们提出了基于伪观测的估计的面积下的时变ROC曲线,优化合奏,和预测曲线,评估和总结预测性能。
2019-02-07 stat.AP stat.ML
Boundary detection in disease mapping studies
在疾病绘图方面,目的是估计一个扩大的地理区域内疾病风险的空间格局,以便能够确定风险较高的地区。贝叶斯分层方法通常用于生成这样的图,其利用一组空间平滑的随机效应来对风险表面进行建模。然而,在复杂的城市环境中,风险面可能存在边界,将地理上相邻但风险状况截然不同的人群分隔开来。因此,本文提出了一种方法来检测这样的风险边界,并通过仿真测试其有效性。最后,该模型被应用到肺癌发病率数据在大格拉斯哥,苏格兰,2001年至2005年。
2011-08-09 q-bio.PE stat.OT
Low incidence rate of COVID-19 undermines confidence in estimation of the vaccine efficacy
了解随机临床试验中临床干预措施的真实效应量是告知公共卫生政策的关键。疫苗效力是根据相对风险或两种疾病风险的比率来定义的。然而,只有近似方法可用于估计相对风险的方差。在这篇文章中,我们使用概率模型表明,当疾病风险较低时,疗效率的不确定性可能被低估。考虑到疾病的基线发病率,我们估计了最近为COVID-19开发的疫苗的有效率的更宽置信区间。我们提出了新的相对危险度的置信区间。我们进一步表明,3期疗效试验所需的样本量通常被低估,并提出了一种新的方法计算样本量的疗效是感兴趣的。我们还讨论了分类偏差的有害影响,这是特别相关的低患病率。
2021-02-02 stat.AP stat.ME
Spline Analysis of Biomarker Data Pooled From Multiple Matched/Nested Case-Control Studies
由于样本量增加,汇集多项研究的生物标志物数据使研究人员能够更精确地估计生物标志物暴露测量与疾病风险之间的关联。然而,不同检测和实验室的生物标志物测量值差异很大,因此在合并数据之前,有必要将当地实验室测量值校准到参考实验室。我们提出了两种方法,可以估计生物标志物暴露测量和疾病风险之间的非线性关系,使用样条函数与嵌套病例对照研究设计:完全校准和内化校准。完整校准方法使用研究特定校准模型校准所有观察结果,而内部校准方法仅校准没有可用参考实验室测量值的观察结果。我们比较了这两种方法与一个天真的方法,其中数据合并没有校准。我们发现:(1)内在化和完全校准方法在平均相对偏差和覆盖率方面比朴素方法具有显著更好的性能。(2)当校准子集的大小变化时,完全校准比内部校准更鲁棒。我们将我们的方法应用于一个嵌套病例对照研究设计的汇总项目,以估计循环维生素D水平与结直肠癌风险的相关性。
2019-11-21 stat.AP stat.ME
A Protocol to Exposure Path Analysis for Multiple Stressors Associated with Cardiovascular Disease Risk: A Novel Approach Using NHANES Data
本研究提出基于自适应Lasso回归的Path-Lasso方法,利用NHANES数据构建多重应激源与心血管疾病风险的因果网络路径,揭示年龄、吸烟和腰围等关键预测因子及中介变量的作用机制。
2025-03-06 q-bio.QM stat.AP
On the calibration of survival models with competing risks
Inria de Saclay(法国国家信息与自动化研究所萨克雷中心);Drees(法国研究、调查、评估与统计局)
本文提出了一种针对竞争风险设置的生存模型校准框架,引入了两个新的校准度量以提高概率估计的准确性,同时保持模型的判别能力。
2026-01-30 cs.AI math.ST stat.ME
Creating Fair Models of Atherosclerotic Cardiovascular Disease Risk
Stanford University(斯坦福大学);Université de Lorraine(洛林大学);CNRS(法国国家科学研究中心);Inria(法国国家信息与自动化研究所)
动脉粥样硬化性心血管疾病(ASCVD)管理指南建议使用风险分层模型来识别最有可能从降胆固醇和其他治疗中获益的患者。这些模型在不同种族和性别群体之间具有不同的性能,在不同研究中的行为不一致,可能导致有益治疗的不公平分布。在这项工作中,我们利用对抗性学习和从电子健康记录(EHR)中提取的大型观察队列来开发一个“公平”的ASCVD风险预测模型,降低各组之间出错率的变异性。我们的经验表明,我们的方法是能够调整分布的风险预测的条件下的结果同时在几个组的模型从高维EHR数据。我们还讨论了公平性和模型性能之间的经验权衡的背景下,这些结果的相关性。
2019-06-14 cs.LG stat.ML
Settlement Mapping for Population Density Modelling in Disease Risk Spatial Analysis
本研究针对疾病风险空间分析中人口密度建模过于简化的问题,提出使用聚落制图替代行政区域面积,以印尼结核病数据验证,发现聚落密度相关性更强,建议推广使用。
2024-03-19 q-bio.PE q-bio.QM stat.AP
Improving Disease Risk Estimation in Small Areas by Accounting for Spatiotemporal Local Discontinuities
本文提出一种两步方法,通过在贝叶斯时空模型中整合时空聚类检测,提升小区域疾病风险估计。方法首先采用高效扫描统计法进行聚类检测,再将其整合到贝叶斯时空模型中以估计相对风险,从而更准确地识别高风险和低风险区域。
2025-09-25 stat.ME
Modelling multiple disease risk factors for microsimulation studies: a review of methods
MRC Biostatistics Unit, University of Cambridge(剑桥大学医学研究委员会生物统计学科)
本文综述了微观模拟中模拟多种疾病风险因素的统计方法,比较其适用性,并通过心血管健康检查案例展示实践,为卫生政策建模提供方法支持。
2026-09-15 stat.ME
Semiparametric Relative-risk Regression for Infectious Disease Data
本文提出了基于接触间隔的传染病数据半参数相对风险回归模型,利用Cox偏似然和EM算法处理传染源已知与未知的情况,将生存分析中的核心回归模型扩展至传染病流行病学。
2012-10-17 q-bio.QM stat.ME
Integrated Machine Learning and Survival Analysis Modeling for Enhanced Chronic Kidney Disease Risk Stratification
Vironix Health Inc(维罗尼克斯健康公司)
本研究结合机器学习与经典统计模型,提取慢性肾病进展的新预测因子,并与既定临床特征整合于 Cox 比例风险模型框架内,以增强慢性肾病进展的风险分层与预测。
2024-11-16 cs.AI cs.LG stat.CO
A note on 'Collider bias undermines our understanding of COVID-19 disease risk and severity' and how causal Bayesian networks both expose and resolve the problem
Griffith等人最近的一份重要预印本强调了COVID 19研究中的“碰撞机偏见”如何破坏了我们对疾病风险和严重程度的理解。这通常是由于数据仅限于接受COVID 19检测的人,其中医疗保健工作者的比例过高。例如,由吸烟者在数据集中代表性不足引起的碰撞机偏差可以(至少部分地)解释表明吸烟降低COVID风险的经验结果。我们扩展了Griffith等人的工作,更明确地使用图形因果模型来解释观测数据。我们表明,他们的吸烟的例子可以澄清和改进,使用贝叶斯网络模型与现实的数据和假设。我们发现,像“压力”这样的风险因素存在一个更根本的问题,与吸烟不同,它在医疗保健工作者中更普遍而不是更不普遍;在这种情况下,由于来自有偏见的数据集的碰撞器偏见和“医疗保健工作者”是一个混淆变量的事实,研究很可能会错误地得出结论,压力降低而不是增加COVID 19的风险。事实上,“与COVID 19人群密切接触”降低了COVID 19的风险。为了避免这种潜在的错误结论,任何对观测数据的分析都必须考虑到潜在的因果结构,包括碰撞和混杂因素。如果分析师未能明确做到这一点,那么他们就特定风险因素对COVID 19的影响所做的任何结论都可能存在缺陷。
2020-05-19 stat.ME
Evaluating unsupervised disentangled representation learning for genomic discovery and disease risk prediction
Google Research(谷歌研究院)
本研究在遗传关联研究背景下评估多种无监督解耦表示学习方法,发现FactorVAE和beta-VAE相比标准方法能提升基因组发现与疾病风险预测效果,且FactorVAE超参数鲁棒性更强。
2023-07-17 cs.LG q-bio.GN stat.ML
Scalable Bayesian modeling for smoothing disease risks in large spatial data sets
在空间统计学文献中已经提出了几种方法来分析连续域中的大数据集。然而,新的方法来分析高维面积数据仍然很少。在这里,我们提出了一个可扩展的贝叶斯建模方法,用于平滑高维数据中的死亡率(或发病率)风险,即当小区域的数量非常大时。该方法在R附加包bigDM中实现。模型拟合和推理是基于“分而治之”的思想,并使用集成的嵌套拉普拉斯近似和数值积分。我们分析了该建议的实证表现,在一个全面的模拟研究,考虑两个无模型的设置。最后,该方法被应用于分析男性结直肠癌死亡率在西班牙城市显示其好处方面的标准方法的拟合优度和计算时间。
2020-07-15 stat.CO stat.ME
LPG: a four-groups probabilistic approach to leveraging pleiotropy in genome-wide association studies
迄今为止,全基因组关联研究(GWAS)已经成功地在各种性状/疾病中识别出数万种遗传变异,从而揭示了复杂疾病的遗传结构。复杂疾病的多基因性是指大量的风险变异共同贡献于复杂疾病的遗传性而个体效应较小的现象,已被广泛接受。这对充分确定复杂疾病的遗传基础提出了重大挑战。多源性的直接含义是需要更大的样本量来检测具有弱/中等效应的风险变体。与此同时,越来越多的证据表明,不同的复杂疾病可以共享遗传风险变体,这种现象被称为多效性。在这项研究中,我们提出了一个统计框架,利用多效效应在大规模GWAS数据(LPG)。LPG利用变分贝叶斯期望最大化(VBEM)算法,使其计算效率高,可扩展为全基因组规模分析。为了证明LPG相对于不利用多效性的现有方法的优势,我们进行了广泛的模拟研究,并将LPG应用于分析三种自身免疫疾病(克罗恩病、类风湿性关节炎和1型糖尿病)。结果表明,LPG可以利用多效性提高风险变量的优先级排序能力和风险预测的准确性。该软件可在http-s://www.example.com上获得。github.com/Shufeyangyi2015310117/LPG
2017-10-26 stat.ME
Dynamic Prediction of Competing Risk Events using Landmark Sub-distribution Hazard Model with Multiple Longitudinal Biomarker
病因特异性累积发生率函数(CIF)量化了具有竞争性风险结局的受试者特异性疾病风险。利用纵向收集的生物标志物数据,感兴趣的是通过结合最近的生物标志物以及累积的纵向历史来动态更新预测的CIF。受慢性肾脏疾病纵向队列研究的启发,我们提出了一个使用多变量纵向生物标志物动态预测终末期肾脏疾病的框架,考虑了死亡的竞争风险。该框架将地标生存模型扩展到竞争风险数据,并意味着在每个地标时间定义一个不同的子分布风险回归模型。允许模型参数、预测范围、纵向历史和风险人群在里程碑时间内变化。当生物标志物的测量时间间隔不规则时,在预测时可能无法观察到预测变量。局部多项式被用来估计模型参数,而不显式地插补预测或建模其纵向轨迹。所提出的模型导致简单的解释的回归系数和封闭式计算的预测CIF。估计和预测可以通过具有易处理计算的标准统计软件来实现。我们进行了模拟评估的估计过程和预测精度的性能。该方法说明了从非裔美国人的肾脏疾病和高血压研究的数据。
2019-05-22 q-bio.QM stat.ME
Large-scale Collaborative Imaging Genetics Studies of Risk Genetic Factors for Alzheimer's Disease Across Multiple Institutions
1 School of Computing, Informatics;3 Imaging Genetics Center, Institute for Neuroimaging
全基因组关联研究(GWAS)为确定阿尔茨海默病(AD)的遗传风险因素提供了新的机会。最近,不同机构之间的协作努力出现了,增强了许多现有技术对单个机构数据的能力。然而,GWAS合作研究的一个主要障碍是许多机构需要保护个人数据隐私。为了应对这一挑战,我们提出了一种新的分布式框架,称为本地查询模型(LQM),以检测多个研究机构之间的AD风险SNP。为了加速学习过程,我们提出了一个分布式增强双多面体投影(D-EDPP)筛选规则,以识别不相关的功能,并将它们从优化中删除。据我们所知,这是计算密集型模型选择程序的第一次成功运行,以在不同机构之间学习一致的模型,而不会损害他们的隐私,同时对可能共同影响AD的SNP进行排名。对分布在三个独立机构的809名受试者进行了590万个SNP特征的实证研究。D-EDPP通过有效识别不相关的特征实现了66倍的加速。
2016-08-19 cs.LG stat.ML
Estimation of Genetic Risk Function with Covariates in the Presence of Missing Genotypes
在遗传流行病学研究中,收集研究参与者亲属的家族史数据,并用于估计携带因果突变的个体的年龄特异性疾病风险。然而,由于亲自面谈以获取血液样本的费用高昂或亲属死亡,可能无法收集家庭成员的基因型数据。在此之前,在不考虑协变量的情况下,已经提出了删失混合数据中有效的非参数基因型特异性风险估计。由于有多个预测风险因素,风险估计需要多变量模型来解释可能同时影响疾病风险的其他协变量。因此,重要的是要考虑协变量的作用,在基因型特异性分布估计使用家族史数据。我们提出了一种估计方法,允许更精确的风险预测,通过控制个人特征,并将相互作用的影响与缺失的基因型在亲属,因此基因-基因相互作用和基因-环境相互作用可以在一个单一的模型的框架内处理。我们通过模拟来检查所提出的方法的性能,并将其应用于估计LRRK 2 G2019 S突变携带者中帕金森病(PD)的年龄特异性累积风险,使用具有PD遗传风险的一级亲属。通过在各种假设下设计未来的临床试验,证明了估计的载体风险的效用。这种样本量估计见于亨廷顿氏病文献中,使用HTT基因中CAG重复序列的异常扩增长度,但在PD文献中不太常见。
2017-05-26 stat.ME
Statistical methods for biomarker data pooled from multiple nested case-control studies
汇总多项研究的生物标志物数据可以检查比单个研究中通常可能的更宽的暴露范围,以更大的统计功效评价人群亚组和疾病亚型,并更精确地估计生物标志物-疾病相关性。然而,由于研究间的测定和实验室变异性,生物标志物测量通常需要在合并之前校准至参考测定。我们提出了几种方法,用于校准和结合巢式病例对照研究的生物标志物数据时,参考检测数据从一个子集的控制,在每个贡献的研究。具体来说,我们描述了一个两阶段的方法和两个聚合的方法,命名为内化和完整的校准方法,以评估生物标志物暴露对疾病风险的主要影响,以及这种关联是否被潜在的协变量修改。内部化方法在分析中使用参考实验室测量(如可用),否则使用校准测量。完整校准方法使用所有受试者的校准生物标志物测量值,即使是具有参考实验室测量值的受试者。我们的研究结果表明,完整的校准方法是首选的聚合方法,以尽量减少点估计的偏差,无论在模型中包含的相互作用项。我们还观察到,两阶段和完全校准方法提供了类似的效果和方差估计,但这两种方法的方差估计值略大于内化方法。作为一个说明性的例子,我们在嵌套病例对照研究的汇集项目中应用这些方法来评估(i)循环维生素D水平与中风风险之间的关联,以及(ii)BMI如何改变循环维生素D水平与心血管疾病之间的关联。
2019-06-03 stat.ME
Optimal risk-assessment scheduling for primary prevention of cardiovascular disease
在这项工作中,我们引入了一个个性化的和特定年龄的净效益功能,由效益和成本组成,以推荐心血管疾病预防风险评估的最佳时机。我们扩展了2阶段标志模型,以估计患者特定的CVD风险状况,调整随时间变化的协变量。我们将我们的模型应用于临床实践研究数据链的数据,包括来自英国的初级保健电子健康记录。我们发现,风险较低的人可以推荐一个最佳的风险评估间隔为5年或更长时间。需要时变风险因素来区分高风险人群的更频繁的时间表。
2023-02-10 stat.AP
An adaptive spatio-temporal smoothing model for estimating trends and step changes in disease risk
用于从面积单位数据估计疾病风险的时空模式的统计模型表示具有已知协变量和一组空间平滑随机效应的每个时间段的风险表面。后者作为一个代理不可测的空间混杂,其空间结构的特点往往是由一个空间平滑的演变之间的一些对相邻的面积单位,而其他对表现出大的步骤变化。这种空间异质性与现有的全局平滑模型不一致,其中所有相邻空间随机效应对之间存在部分相关性。因此,我们提出了一种新的时空疾病模型与自适应空间平滑规格,可以识别阶跃变化。该模型的动机是一项新的研究呼吸和循环系统疾病的风险在英格兰的地方当局,并严格测试模拟,以评估其有效性。英格兰的研究结果表明,这两种疾病的风险具有相似的空间模式,并且在邻近地方当局之间的风险的不可测量部分中表现出一些共同的阶跃变化。
2016-04-18 stat.AP
Identifying Clusters in Bayesian Disease Mapping
疾病制图是空间流行病学的一个领域,其目的是估计$n$区域单位中疾病风险的空间模式。目的之一是确定疾病风险较高的单位,以便采取公共卫生干预措施。贝叶斯分层模型与空间平滑的条件自回归先验用于此目的,但他们不能确定高风险集群的空间范围。因此,我们提出了一个两阶段的解决方案,这个问题的第一阶段是一个空间调整层次凝聚聚类算法。该算法应用于研究期之前的数据,并产生疾病数据的$n$潜在聚类结构。第二阶段将单独的泊松对数线性模型拟合到每个聚类结构的研究数据,这允许两个聚类相遇的风险的阶跃变化。通过模型比较技术,特别是通过最小化偏差信息准则,选择最合适的聚类结构。该方法的有效性建立了一个模拟研究,并说明了在苏格兰格拉斯哥的呼吸系统疾病风险的研究。
2013-11-04 stat.AP
Spatial risk mapping for rare disease with hidden Markov fields and variational EM
目前用于汇总数据的风险绘图模型侧重于每个地理单元的估计风险。因此,有必要进行风险分类,即对具有类似风险的地理单元进行分组,以便于绘制可解释的地图,并明确划定可采取保护措施的区域。作为一个例子,我们专注于牛海绵状脑病(BSE)疾病,威胁到欧洲的牛生产,并产生激烈的奶牛扑杀。该示例的特点是典型的动物疾病风险分析问题,风险值非常低,观察到的病例数量少,人口规模增加了自动分类的难度。我们建议在空间聚类框架中使用非标准离散隐马尔可夫模型来处理此任务,该模型旨在支持平滑的风险变化。模型参数估计使用期望最大化算法和平均场近似,我们开发了一种新的初始化策略,适合于空间泊松混合。使用模拟和我们的BSE数据,我们表明,我们的策略在处理低人口规模和准确地确定高风险地区,无论是在本地化和风险水平估计方面表现良好。
2013-12-10 stat.AP
Enhancing comorbidity network inference with risk-enriched health trajectories embedding
Politecnico di Milano(米兰理工大学);Human Technopole(人类技术顶石研究所);University of Cambridge(剑桥大学)
针对现有共病网络构建方法不足,开发用个体健康轨迹学习疾病关联的框架,用高斯图形模型和拉索正则化估计稀疏网络,应用于 UK Biobank 数据揭示疾病模式,可用于风险分层和个性化护理。
2026-07-07 stat.AP
Computing Individual Risks based on Family History in Genetic Disease in the Presence of Competing Risks
当考虑发病年龄不同的遗传性疾病(例如:糖尿病、家族性淀粉样神经病、癌症等)时,基于家族史(FH)计算疾病的个体风险对于临床医生和患者都是至关重要的。这样的风险计算起来非常具有挑战性,因为:1)感兴趣的个体的基因型X通常是未知的; 2)后验分布P(X| FH,T > t)随t变化(T是目标个体发病时的年龄); 3)死亡的竞争风险不可忽略。在这项工作中,我们提出了一个模型,这个问题使用贝叶斯网络混合(右删失)生存结果的风险率只取决于每个人的基因型。我们解释如何相信传播可以用来获得后验分布的基因型FH,以及如何获得一个时间依赖性的后验风险率的任何个人的系谱。最后,我们使用这个后验风险率来计算个体风险,有或没有死亡的竞争风险。我们的方法是使用Claus-Easton模型乳腺癌(BC)。该模型假设常染色体显性遗传风险因素,如非携带者(基因型00)的BC风险率为$λ$ 0(t),而携带者(基因型01、10和11)的风险率为$λ$ 1(t)。假设两个风险率都是分段常数,具有已知值(在20,30,. ..,80年)。竞争性死亡风险来自法国国家登记研究。
2017-09-14 stat.AP stat.ME
Disentangling Latent Risk Pathways via Bayesian Hypergraph Inference
University of Science and Technology of China(中国科学技术大学)
提出贝叶斯超图推断框架,通过风险因子调节的潜在疾病路径建模多疾病,实现可解释的高阶结构、校准的不确定性估计和罕见病改进预测。
2026-06-04 cs.LG stat.AP stat.ME
Disentangling genetic and environmental risk factors for individual diseases from multiplex comorbidity networks
大多数疾病是由多种遗传和/或环境因素的组合引起的。如果两种疾病是由相同的分子机制引起的,它们往往会在患者中同时发生。在这里,我们提供了一个定量方法来解开多少遗传或环境危险因素有助于358个疾病的发病机制,分别。我们汇集了遗传、基于途径和毒性基因组学致病机制的数据,以及从近200万患者中获得的疾病共现数据。从这些数据中,我们构建了一个多层网络,其中节点代表由链接连接的疾病,这些链接代表患者的表型合并症或某种分子机制的参与。从表型和机制为基础的网络为每种疾病的相似性,我们得出的措施,使我们能够量化的相对重要性,各种分子机制为给定的疾病。我们发现,大多数疾病都是由遗传风险因素主导的,而环境影响则是抑郁症,癌症或皮炎等疾病的主要原因。我们几乎从未发现疾病的发病机制涉及一种以上的机制。
2016-05-31 physics.soc-ph q-bio.MN stat.AP
A Bayesian Beta Markov Random Field Calibration of the Term Structure of Implied Risk Neutral Densities
我们在Fackler和King(1990)的工作基础上,提出了一个更一般的隐含风险中性密度的校准模型。我们的模型允许通过贝叶斯动态贝塔马尔可夫随机场联合校准的一组密度在不同的到期日和日期。我们的方法允许具有相同成熟度的密度之间可能的时间依赖性,以及在同一时间点跨成熟度的依赖性。这种解决问题的方法包括模型灵活性,参数简约性,更重要的是,跨密度的信息池。
2014-09-05 q-fin.CP stat.AP
Risk Prediction of a Multiple Sclerosis Diagnosis
多发性硬化症(MS)是一种影响中枢神经系统的慢性自身免疫性疾病。MS的进展和严重程度因个体而异,但它通常是一种致残性疾病。虽然已经开发了药物来减缓疾病进展并帮助控制症状,但MS研究尚未导致治愈。对这种疾病的早期诊断和治疗已被证明能有效减缓残疾的发展。然而,早期MS诊断是困难的,因为症状是间歇性的,并与其他疾病共享。因此,大多数以前的工作都集中在揭示与MS相关的风险因素,并在诊断后预测疾病的进展,而不是疾病预测。本文研究了使用电子病历(EMR)中的数据来创建风险预测模型,从而帮助临床医生执行诊断MS患者的艰巨任务。我们的研究结果表明,即使在有限的时间窗口的患者数据,可以实现合理的分类与0.724的受试者工作特征曲线下的面积。通过将我们的功能限制在常见的EMR组件上,所开发的模型也可以推广到其他医疗保健系统。
2013-03-05 q-bio.QM stat.AP
Presymptomatic risk assessment for chronic non-communicable diseases
常见慢性非传染性疾病(CNCD)的流行率远远超过单基因疾病和传染病的流行率总和。所有慢性传染性疾病,也称为复杂遗传病,都有可遗传的遗传成分,可用于症状前风险评估。标记基因组中风险单倍型的常见单核苷酸多态性(SNP)目前占生殖系遗传风险的重要部分,我们可能会继续以罕见变异、拷贝数变异和表观遗传修饰的形式确定剩余的缺失遗传性。在这里,我们描述了一种用于计算疾病终身风险的新方法,称为遗传复合指数(GCI),并证明了其作为临床分类器的预测价值。GCI仅考虑遗传变异影响的汇总统计,因此不需要同时评估多种风险因素的大规模研究结果。将GCI评分与环境风险信息相结合,为临床决策提供了额外的工具。全球控制指数可以填入任何类型的遗传风险信息,因此是一个CNCD症状前风险评估框架,可以在通过下一代技术确定额外风险信息时填入。
2011-06-28 q-bio.GN q-bio.QM stat.AP
A Probabilistic Domain-knowledge Framework for Nosocomial Infection Risk Estimation of Communicable Viral Diseases in Healthcare Personnel: A Case Study for COVID-19
医院获得性传染性病毒性疾病(CVD)感染对全球医护人员构成了巨大挑战。医疗保健人员(HCP)面临着医院获得性感染的持续风险,以及随后更高的发病率和死亡率。我们提出了一个领域知识驱动的感染风险模型来量化个人HCP和人口水平的医疗机构的风险。对于个体水平的风险估计,提出了一个时变的感染风险模型,以捕捉心血管疾病的传播动力学。在人群水平上,使用贝叶斯网络模型估计感染风险,该模型由三个特征集构成,包括个人水平因素、工程控制因素和行政控制因素。敏感性分析表明,个人感染风险的不确定性可归因于两个变量:密切接触者人数和病毒传播概率。利用冠状病毒病案例研究,在传播概率模型、个体水平风险模型和人群水平风险模型中实施了模型验证。关于第一个,多变量逻辑斯谛回归应用于英国的横断面数据,AIC值为7317.70,10倍交叉验证准确度为78.23%。对于第二个模型,我们收集了不同职业的实验室确诊的COVID-19 HCP病例。职业特异性风险评估表明,风险最高的职业是注册护士、医疗助理和呼吸治疗师,估计风险分别为0.0189、0.0188和0.0176。为了验证人口水平风险模型,估计了德克萨斯州和加利福尼亚州的感染风险。所提出的模型将显著影响HCP的PPE分配和安全计划
2021-11-05 eess.SP stat.AP
Combining Representation Learning with Tensor Factorization for Risk Factor Analysis - an application to Epilepsy and Alzheimer's disease
现有的研究认为阿尔茨海默病(AD)是癫痫的合并症,但也认识到癫痫在AD患者中的发生率高于非AD患者。本文的目的是通过研究癫痫患者亚组之间的因果关系来了解癫痫和AD之间的关系。我们开发了一种将表征学习与张量因子分解相结合的方法,以深入分析癫痫患者AD的危险因素。从Cerner Health Facts数据(50 M患者)中提取了约600,000例患者的癫痫-AD队列。我们的实验结果不仅表明了癫痫和AD晚发之间的因果关系(p = 1.92e-51),而且还确定了5个癫痫亚组具有不同的表型模式导致AD。虽然这些研究结果是初步的,所提出的方法相结合的表示学习与张量因子分解似乎是一种有效的方法进行风险因素分析。
2019-05-14 cs.IR stat.AP
Spatiotemporal risk prediction for infectious disease spread and mortality
提出Geo Score方法,整合地理、社会经济和人口数据,利用梯度下降优化权重,实现按区域和时间的传染病感染与死亡风险预测,并应用于纽约市COVID-19数据。
2023-12-05 physics.soc-ph stat.AP
A resampling approach for causal inference on novel two-point time-series with application to identify risk factors for type-2 diabetes and cardiovascular disease
两点时间序列数据,其特征在于基线和后续观察,经常遇到的健康研究。我们研究了一种新的两点时间序列结构,没有对照组,这是由一个观察性的常规临床数据集驱动,收集监测关键风险标志物的类型- $2$糖尿病(T2 D)和心血管疾病(CVD)。我们提出了一种称为“I-Rand”的方法,用于独立地对每个人的两个时间点之一进行采样,并根据匹配方法对估计的因果效应进行推断。所提出的方法用来自基于服务的饮食干预的数据来说明,以促进低碳水化合物饮食(LCD),旨在影响T2 D和CVD的风险。基线数据包含研究参与者的干预前健康记录,LCD干预后的健康数据在随访时记录,提供两点时间序列模式,没有平行对照组。使用这种方法,我们发现肥胖是T2 D和CVD的重要风险因素,LCD方法可以显着降低T2 D和CVD的风险。我们提供实现我们的方法的代码。
2023-01-17 stat.AP stat.ME
A Bayesian semi-parametric approach to causal mediation for longitudinal mediators and time-to-event outcomes with application to a cardiovascular disease cohort study
针对队列研究中纵向中介变量和时变混杂因素导致的因果中介分析复杂问题,提出基于贝叶斯加法回归树(BART)模型的方法,可处理连续/二元时变变量及竞争事件,应用于ARIC队列研究评估药物对心血管疾病死亡时间的影响。
2024-11-27 stat.AP stat.ME
Internet - assisted risk assessment of infectious diseases in women sexual and reproductive health
我们为患者和医疗保健专业人员开发开源感染风险计算器,作为医院获得性感染(分娩期间)和性传播感染(如HIV)的应用程序。在非传染性疾病方面,先进的电子保健并不太适用于流行病学。然而,迄今为止,波兰互联网上没有感染风险计算器,尽管存在可用于创建这种工具的数据。该算法涉及来自信息系统(如医院HIS)和调查的数据,通过应用数学建模,贝叶斯推断,逻辑斯谛回归,协方差分析和社会网络分析。最后,用户可以从信息系统中填写或导入数据以获得风险评估,并测试不同的设置以了解整体风险。最有前途的风险计算器是为患者医院卫生检查模式中的医疗保健相关感染开发的。医院流行病学家的最扩展的版本可能包括许多层次的医院互动的代理为基础的建模。简化版计算器专用于需要个性化住院妊娠史的患者,通过定量和定性变量代表的问题进行描述。患者从交互式网络应用程序中接受风险评估,并对可修改的风险因素进行额外描述。我们还为艾滋病毒等性传播感染提供解决方案。具有有意义的描述和百分比机会的计算结果实时呈现给感兴趣的用户。最后,用户填写表格以获得给定设置的风险评估。
2018-02-05 physics.soc-ph q-bio.PE stat.AP
Non-parametric inference on calibration of predicted risks
本文提出基于布朗桥性质的非参数“桥”检验方法,可联合推断均值校准与适度校准,无需数据分组或调参,模拟显示其检验功效显著优于现有方法。
2024-05-23 stat.AP stat.ME
Causal Inference of Blood Pressure Reduction and Coronary Heart Disease Risk in the Framingham Study
St.Xavier’s College (Autonomous), Kolkata(加尔各答圣泽维尔学院(自治))
本文通过因果推断方法评估了血压降低对冠心病风险的影响,发现观察性工具可能高估了降压治疗的绝对获益,对临床风险分层有重要影响。
2026-05-07 stat.AP stat.ME
Examining the impact of data quality and completeness of electronic health records on predictions of patients risks of cardiovascular disease
目的是评估数据质量和电子健康记录完整性的变化程度,以及使用基于常规收集数据(QRISK 3)的风险预测工具对心血管疾病(CVD)风险预测稳健性的影响。研究设计是一项纵向队列研究,涉及392例与住院数据相关的全科实践(包括360万例患者)。使用Saez稳定性指标量化每个实践的异常性来评估数据质量的变化。统计脆弱性模型评估QRISK 3预测对个体预测的准确性和总体风险因素(线性预测因子)的影响是否在实践之间变化。QRISK 3未解释的CVD发病率在实践之间存在实质性异质性。在统计脆弱性最低的五分位数中,当将实践变异性纳入统计脆弱性模型时,QRISK 3预测女性风险为10%,范围在7.1%至9.0%之间;对于最高的五分位数,这是10.9%-16.4%。数据质量(使用Saez指标)和完整性在不同水平的统计脆弱性之间具有可比性。例如,从统计脆弱性最低到最高五分位数的实践中,记录缺失种族信息的比例分别为55.7%、62.7%、57.8%、64.8%和62.1%。风险因素的影响并没有不同的做法与小的统计变异的β系数。总之,实践之间CVD发病率的相当大的不可测量的异质性不能用数据质量的变化或风险因素的影响来解释。QRISK 3风险预测应补充临床判断和其他风险因素的证据。
2019-11-19 stat.AP stat.ME
Improved prediction accuracy for disease risk mapping using Gaussian Process stacked generalisation
传染病地图-绘制感染力、地方病程度和人类健康负担的空间变化-为支持全球卫生目标的规划提供了重要的证据基础。当代疾病绘图工作采用了统计建模方法,以适当承认现有测量及其空间插值中的不确定性。最常见的这种方法是高斯过程回归,这是一种数学框架,由两个部分组成:利用多个独立变量的预测能力的均值函数,以及针对均值的残差变化产生时空收缩的协方差函数。虽然已经开发了许多技术来改进协方差函数的灵活性和拟合,但是用于均值函数的模型通常被限制为简单的线性项。对于已知由环境和社会经济因素之间的复杂相互作用驱动的传染病,改进均值函数的建模可以大大提高预测能力。在这里,我们提出了一种集成方法的基础上堆叠的概括,允许多个,非线性算法的平均函数被联合嵌入在高斯过程框架内。我们应用这种方法来映射在撒哈拉以南非洲地区的恶性疟原虫流行率数据,并表明广义集成方法显着优于任何个人的方法。
2016-12-10 stat.AP stat.ML
Conformal Risk Prediction for Non-Alcoholic Fatty Liver Disease Using Gradient Boosting with Distribution-Free Coverages
University of Southern California(南加州大学)
提出结合梯度提升决策树与共形预测的机器学习框架Method,实现非酒精性脂肪肝病个体风险的无分布校准覆盖预测,在中国多中心队列中AUROC达0.912,优于多种方法。
2026-05-31 cs.AI cs.LG stat.AP
Feasibility of Identifying Factors Related to Alzheimer's Disease and Related Dementia in Real-World Data
University of Florida(佛罗里达大学);Rice University(莱斯大学)
本研究通过回顾537项研究提取了477个AD/ADRD风险因素并构建交互式知识图谱,同时探讨了利用真实世界数据和NLP文献挖掘持续更新该图谱的可行性与挑战。
2024-02-03 cs.AI q-bio.QM stat.AP