Use of copula to model within-study association in bivariate meta-analysis of binomial data at the aggregate level a Bayesian approach and application to surrogate endpoint evaluation
双变量荟萃分析提供了一个有用的框架，用于合并相关研究的信息，并已被用于合并临床研究的证据，以评价两种结局的治疗疗效。它还被用于研究替代终点的处理效应与最终结局之间的替代模式。替代终点在药物开发中发挥重要作用，因为它们可用于与最终结局相比早期测量处理效应，并预测临床获益或危害。标准双变量荟萃分析方法使用双变量正态分布，在研究内和研究间水平上对观察到的治疗对替代药物的影响和最终结局结局进行建模。对于二项分布数据，可以使用对数比值比尺度上的正态近似。然而，当事件比例接近1或0时，该方法可能导致偏倚结果，影响替代终点的验证。在本文中，我们将探讨在原始二项尺度上对这两种结果进行建模。首先，我们提出了一种使用独立二项似然来模拟研究内变异性的方法，避免近似观察到的处理效应。然而，该方法忽略了研究内关联。为了克服这个问题，我们提出了一种方法，使用二元copula与二项式边际，这使得模型能够考虑研究内的关联。我们应用该方法的一个说明性的例子，在慢性粒细胞白血病完全细胞遗传学反应（CCyR）和无事件生存期（EFS）之间的替代关系进行调查。
2022-05-18 stat.AP stat.ME
The Bivariate Defective Gompertz Distribution Based on Clayton Copula with Applications to Medical Data
在医学研究中，常见的情况是存在一部分未发生关注事件的患者。这些患者是没有事件风险的人，或者是在研究期间治愈的患者。免疫或治愈患者的比例在文献中称为治愈率。传统的寿命统计模型一般不适用于包含双变量寿命的治愈率数据集。在本文中，它提出了一个双变量模型的基础上，一个缺陷Gompertz分布，并使用克莱顿copula函数来捕捉可能的依赖结构之间的寿命。进行了广泛的模拟研究，以评估偏差和均方误差的极大似然估计的参数与拟议的分布。使用医疗数据的一些应用程序，以显示所提出的模型的有用性。
2020-12-14 stat.AP
Estimating the change in soccer's home advantage during the Covid-19 pandemic using bivariate Poisson regression
2019冠状病毒病疫情爆发后，2019-2020年全球足球赛季被推迟，最终在2020年夏季补上。来自不同学科的研究人员抓住这个机会，将重新安排的比赛（在空荡荡的体育场前进行）与之前在球迷面前进行的比赛进行了比较。到目前为止，大多数后新冠肺炎时代的足球研究都使用线性回归模型或其版本来估计主场优势的潜在变化。但是，由于足球的结果是非线性的，我们认为，利用泊松分布将是更合适的。我们首先使用模拟表明，双变量泊松回归减少绝对偏差时，估计主场优势的好处，在一个赛季的足球比赛，相对于线性回归，近85%。接下来，从17个职业足球联赛的数据，我们扩展了双变量泊松模型估计的变化，主场优势，由于比赛正在发挥没有球迷。与目前的研究相反，绝大多数研究表明主场优势下降，我们的研究结果是喜忧参半;在一些联赛中，证据表明主场优势下降，而在其他联赛中，主场优势可能上升。总而言之，这表明球迷对体育赛事的影响存在更复杂的因果机制。
2021-05-28 stat.AP
Bayesian Nonparametric Inference for Panel Count Data with an Informative Observation Process
本文考虑了重复事件的面板计数数据分析。这种分析对于在临床试验和观察性研究中研究肿瘤或感染复发是有用的。提出了一个双变量高斯Cox过程模型，用于联合建模观测过程和复发事件过程。贝叶斯非参数推断提出了同时估计回归参数，二元脆弱性效应和基线强度函数。推理是通过马尔可夫链蒙特卡罗，充分发展的计算技术。预测推理下的贝叶斯设置也进行了讨论。通过仿真研究表明，该方法是有效的。皮肤癌患者的临床试验数据集进行了分析，以说明所提出的方法。
2017-12-11 stat.AP stat.ME
Monitoring time to event in registry data using CUSUMs based on relative survival models
提出基于生存对数似然比的 CUSUM 程序，在死因信息缺失时利用相对生存模型监测登记数据中生存时间分布的变化，并扩展至超额风险设置。
2025-03-07 stat.AP stat.ME
Monitoring Adverse Events Through Bayesian Nonparametric Clustering Across Studies
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Pfizer Inc.（辉瑞公司）；The University of Texas at Dallas（德克萨斯大学达拉斯分校）；The University of Chicago（芝加哥大学）
本研究提出基于协变量依赖型乘积划分模型的贝叶斯非参数方法，整合历史试验数据与不同粒度协变量，通过相似实验单元聚类提升AE率估计精度，支持设盲到非盲的实时安全监测，经案例与模拟验证可有效检测安全信号、评估风险。
2025-09-08 stat.AP stat.ME
Dynamic Risk-Adjusted Monitoring of Time Between Events: Applications of NHPP in Pipeline Accident Surveillance
针对复杂系统事件间隔时间监控中恒定故障强度假设的局限，提出基于非齐次泊松过程的风险调整控制图，以监控单位时间平均成本，经模拟验证性能优越，并成功应用于管道事故监测。
2025-01-21 stat.AP stat.ME
Multivariate Time-Between-Events Monitoring -- An overview and some (overlooked) underlying complexities
我们回顾了监测多变量事件间时间（TBE）数据的方法。我们提出了一些在文献中被忽视的潜在的复杂性。将多变量TBE监控应用程序分为两种根本不同的场景是有帮助的。一种情况涉及监测TBE数据的各个向量。另一个涉及到监测几个可能相关的时间点过程，其中事件可能以不同的速率发生。我们讨论了性能指标，并建议使用基于信号之间的时间度量的设计和比较的方法。我们重新评估了现有的多元TBE监测方法，并为未来的研究提供了一些建议和方向。
2019-11-05 stat.AP stat.OT
Simulation-based Bayesian predictive probability of success for interim monitoring of clinical trials with competing event data: two case studies
本文提出一种基于模拟的贝叶斯预测成功概率方法，通过为竞争事件数据指定特定原因风险的贝叶斯模型来预测试验结果，并在两项随机临床试验中验证了其应用价值。
2024-12-20 stat.AP stat.ME
Blinded continuous information monitoring of recurrent event endpoints with time trends in clinical trials
已建议基于设盲数据进行设盲样本量重新估计和信息监测，以缓解由于干扰参数的计划不确定性而导致的风险。受儿童多发性硬化症（MS）随机对照试验的启发，最近提出了一种用于过度分散计数数据的连续监测程序。然而，这一程序假设事件发生率恒定，这一假设在实践中往往得不到满足。在此，我们扩展了程序，以适应考虑两种设盲方法的事件发生率的时间趋势：（a）通过两种负二项分布的混合对事件数量进行建模的混合方法，和（b）通过负二项分布对事件计数的边缘分布进行近似的集总方法。通过模拟，所提出的程序的操作特性进行了调查下，减少事件率。我们发现，第一类错误率不膨胀相关的监测程序，与强烈的时间依赖性的程序假设恒定的利率表现出一定的通货膨胀。此外，适应时间趋势的过程与基于常停止得太晚的恒定速率的过程相比通常具有有利的功率特性。儿科MS的临床试验说明了该方法。
2019-03-06 stat.AP
Robust estimation of dependent competing risk model under interval monitoring and determining optimal inspection intervals
近年来，人们对寿命预测问题中的相关竞争风险的建模越来越感兴趣。在这项工作中，我们提出的马歇尔-奥尔金二元指数分布模型的相关竞争风险。可观察数据包括不同时间间隔内由于不同原因导致的故障数量。故障计数数据在诸如单次设备的情况下是常见的，其中在不同的检查时间而不是确切的故障时间检查对象的状态。利用基于散度的稳健估计方法--最小密度幂散度估计（MDPDE），研究了存在竞争风险时寿命分布的点估计问题。根据Wald型检验统计量进行假设检验。对点估计量和检验统计量都导出了影响函数，它反映了稳健性的程度。这项工作的另一个关键贡献是根据一些预定义的目标确定最佳的检查时间。本文提出了基于多目标优化设计的确定方法。采用基于种群的启发式算法和基于非支配排序的多目标遗传算法求解该优化问题。
2022-10-12 stat.AP
Non-Parametric Time Between Events and Amplitude Methods for Monitoring Drought Characteristics
本研究提出非参数事件间隔时间与幅度（TBEA）控制图，结合Mann-Whitney和Kolmogorov-Smirnov统计量监测干旱特征变化，为气候适应和水资源管理提供有效工具。
2025-06-27 stat.AP
Estimated Phase II Weibull control chart for monitoring times between events
本文提出一种估计阶段II的Weibull控制图，用于监控事件间时间，通过调整控制限实现期望的受控性能，并评估其受控与失控表现。
2025-08-07 stat.AP
Robust Hydraulic Fracture Monitoring (HFM) of Multiple Time Overlapping Events Using a Generalized Discrete Radon Transform
在这项工作中，我们提出了一种新的算法，通过开发的稀疏性所观察到的地震信号时，在一个由时空传播的基础上，水力压裂监测（HFM）的多事件定位。我们提供了明确的建设这些传播波传播，这取决于非线性的问题参数的前向模型-未知的源位置和断裂机制，时间和事件的程度，以及接收器的位置。在相当一般的假设和适当的离散化这些参数，我们首先建立一个过完备的字典广义Radon传播，并假设数据是很好地表示为这些传播的线性叠加。利用这种结构，我们提出了稀疏惩罚算法和工作流程的时间重叠多个震波迹象从单井数据的超分辨率提取。
2013-05-09 cs.IT math.IT physics.geo-ph
The promise and perils of point process models of political events
事件数据在应用政治学研究中越来越常见。虽然这些数据本质上是位置性的，但政治学家主要分析这些事件的汇总摘要作为区域数据。在这样做的过程中，他们失去了这些点模式数据所固有的许多信息，以及使用点过程模型分析事件所带来的许多灵活性。认识到这些优势，应用统计学家越来越多地利用点过程模型分析政治事件。然而，这项工作往往忽略了政治事件数据的固有局限性（例如，地理位置的准确性），这可能会使点过程模型的直接应用复杂化。在本文中，我们试图弥合这一鸿沟：介绍点过程建模的政治科学研究的好处，并强调政治科学数据对这些方法构成的独特挑战。为了使我们的讨论接地，我们关注全球恐怖主义数据库，使用单变量和双变量对数高斯考克斯过程模型（LGCP）来分析2014年期间尼日利亚的恐怖袭击。
2021-11-10 stat.AP
A Nonparametric Bayesian Model to Adjust for Monitoring Bias with an Application to Identifying Environments Stressed by Climate Change
提出基于单调样条的非参数贝叶斯模型以纠正事件时间估计中的监测偏差，在物候学应用中证明常用方法平均低估盛花期48天，揭示了此前未检测到的异常开花日期。
2025-03-06 stat.AP
One-class Autoencoder Approach for Optimal Electrode Set-up Identification in Wearable EEG Event Monitoring
INRIA（法国国家信息与自动化研究所）；Mines Saint-Étienne（圣埃蒂安国立高等矿业学校）；EURECOM（欧洲通信学院）
可穿戴设备用于连续医疗监测的广泛常规使用的一个限制因素是其笨重和突兀的性质。这对于脑电图（EEG）记录尤其如此，它需要放置多个电极与头皮接触。在这项工作中，我们建议确定最佳的可穿戴EEG电极设置，在最小数量的电极，舒适的位置和性能，EEG为基础的事件检测和监测。通过依赖于自动编码器（AE）网络从高维数据中学习潜在表示的能力，我们提出的策略在一类分类设置中训练AE架构，并将不同的电极设置作为输入数据。使用F分数评估所得到的模型，并根据所建立的最佳标准选择最佳设置。使用α波检测作为用例，我们证明了所提出的方法允许从由前额和耳后电极组成的最佳设置中检测α状态，平均F分数为0.78。我们的研究结果表明，基于学习的方法可以用于设计和实施优化的可穿戴设备，用于现实生活中的医疗保健监测。
2021-05-19 cs.LG eess.SP stat.AP
Bayesian Event Categorization Matrix Approach for Explosion Monitoring
针对经典事件分类矩阵模型难以处理低当量爆炸稀疏观测、协方差结构差异大的问题，提出可基于部分数据训练、结合贝叶斯决策理论的贝叶斯事件分类矩阵模型，经蒙特卡洛实验验证其准确率更高、假阴性率更低，可提升爆炸监测的决策与预测能力。
2025-01-16 physics.geo-ph stat.AP stat.ML
Using Entropy Measures for Monitoring the Evolution of Activity Patterns
Imperial College London（伦敦帝国理工学院）；The UK Dementia Research Institute（英国痴呆症研究所）
在这项工作中，我们应用信息论启发的方法来量化日常活动模式的变化。我们使用家庭运动监测数据，并展示它们如何帮助指示医疗保健相关事件的发生。三种不同类型的熵的措施，即香农熵，马尔可夫链的熵率，熵生产率已被利用。这些措施是在我们的痴呆症护理临床研究中收集的大规模家庭监测数据集上进行评估的。该研究使用物联网（IoT）支持的解决方案来持续监测家庭活动，睡眠和生理，以开发护理和早期干预解决方案，以支持在自己家中生活的痴呆症（PLWD）患者。我们的主要目标是展示熵度量对时间序列活动数据分析的适用性，并将提取的度量用作可以馈送到推理和分析模型中的新工程特征。我们的实验结果表明，在大多数情况下，这些措施的组合可以表明医疗保健相关事件的发生。我们还发现，不同的参与者与相同的事件可能有不同的措施的基础上，一个熵的措施。因此，在推理模型中使用这些度量的组合将比任何单一度量更有效。
2022-10-05 cs.LG stat.AP
