Visualizing adverse events in clinical trials using correspondence analysis with R-package visae
我们建议应用堆叠CA使用贡献双标图作为一种工具,以探索临床试验中治疗之间的AE数据差异。我们根据不良事件通用术语标准(CTCAE)分级、领域、术语及其组合的数据,定义了分析的五个细化水平。此外,我们还开发了一个内置于R包中的Shiny应用程序,可在Comprehensive R Archive Network(CRAN)上公开使用,以交互方式调查CA配置。来自两项随机对照试验(RCT)的数据用于说明所提出的方法:NSABP R-04,一项新辅助直肠2x2析因试验,比较了卡培他滨(Cape)或5-氟尿嘧啶(5-FU)单用放射治疗加或不加奥沙利铂(Oxa),以及NSABP B-35,一项双盲RCT,比较了他莫昔芬与阿那曲唑在绝经后乳腺癌阳性导管原位癌患者中的疗效。在R 04试验(n=1308)中,CA双标图显示了单药治疗及其与Oxa联合治疗在所有AE分类水平上的差异,因此这些差异是治疗间解释变异性的最大部分原因。此外,当观察到Cape+Oxa和5-FU+Oxa之间的距离大于5-FU和Cape之间的距离时,Cape + Oxa和5-FU + Oxa在CA双标图的不同象限中时,确定了在Cape/5-FU中添加Oxa时的相互作用效应。在B35试验(n=3009)中,CA双标图显示非粘附性阿那曲唑和他莫昔芬与其粘附性对应物相比具有不同的模式。CA与贡献双标图是一个有效的工具,可以用来总结AE数…
2021-08-04 stat.AP
survivalContour: Visualizing predicted survival via colored contour plots
本文提出 survivalContour 工具,通过彩色等高线图可视化连续协变量对预测生存概率随时间的影响,并提供 Shiny 应用和 R 包实现,兼容传统模型及机器学习模型。
2024-01-12 stat.AP
AdaptiveConformal: An R Package for Adaptive Conformal Inference
本文介绍开源R包AdaptiveConformal,实现五种自适应共形推断算法,用于在时间序列等顺序数据上生成预测区间,并通过模拟研究和美国流感发病率预测案例验证其性能。
2023-12-01 stat.CO
OrigamiPlot: An R Package and Shiny Web App Enhanced Visualizations for Multivariate Data
本文介绍OrigamiPlot,一个实现折纸图的开源R包与Shiny应用,通过面积不受属性排序影响改进雷达图,并支持辅助轴、加权属性及多对象比较,以简化多变量数据决策。
2024-11-19 cs.HC stat.ME
RobPy: a Python Package for Robust Statistical Methods
针对Python缺乏综合稳健统计方法包的问题,研究团队推出基于NumPy等成熟库构建的RobPy包,涵盖多类稳健分析工具与异常值可视化功能,填补了Python生态的相关空白。
2024-11-04 stat.CO stat.ML
Beyond Importance Scores: Interpreting Tabular ML by Visualizing Feature Semantics
Stanford University(斯坦福大学);Demystify AI
随着机器学习(ML)模型越来越广泛地用于做出关键决策,可解释性正在成为一个活跃的研究课题。表格数据是医疗保健和金融等各种应用中最常用的数据模式之一。大多数用于表格数据的现有可解释性方法仅报告特征重要性分数-局部(每个示例)或全局(每个模型)-但它们不提供特征如何相互作用的解释或可视化。我们通过引入特征向量来解决这个限制,这是一种为表格数据集设计的新的全局可解释性方法。除了提供特征重要性之外,特征向量还通过直观的特征可视化技术发现特征之间的内在语义关系。我们的系统实验证明了这种新方法的经验效用,将其应用到几个真实世界的数据集。我们还为特征向量提供了一个易于使用的Python包。
2021-11-30 cs.LG stat.ML
Visualisation of Brain Statistics with R-packages ggseg and ggseg3d
越来越强调以更直观的方式可视化神经成像结果。用于传播的常用统计工具,如条形图,缺乏神经成像数据所固有的空间维度。在这里,我们提出了两个包的统计软件R,ggseg和ggseg 3d,集成了这个空间组件。ggseg和ggseg 3d软件包分别将预定义的大脑分割可视化为2D多边形和3D网格。这两个软件包都与其他成熟的R软件包集成,具有很大的灵活性。在本教程中,我们将介绍ggseg和ggseg 3d软件包中用于大脑图谱可视化的主要数据和函数。突出显示的主要功能能够在R中显示大脑分割图。此外,随附的ggsegExtra-package包括更广泛的地图集集合,旨在用于基于社区的努力,以开发与ggseg和ggseg 3d更兼容的地图集。总的来说,ggseg-packages促进了R中基于包裹的可视化,改善和简化了结果的传播,并提高了工作流程的效率。
2019-12-17 stat.OT
cgmquantify: Python and R packages for comprehensive analysis of interstitial glucose and glycemic variability from continuous glucose monitor data
动态葡萄糖监测(CGM)系统通过全天跟踪组织间葡萄糖值(通常每5分钟记录一次)提供实时动态葡萄糖信息。CGMs常用于临床医生和患者的糖尿病管理以及研究中,以了解纵向葡萄糖和葡萄糖变异性的因素如何与疾病发作和严重程度以及干预措施的有效性相关。CGM数据提出了独特的生物信息学挑战,因为数据是纵向的,时间的,并且有几乎无限的可能方法来总结和使用这些数据。血糖变异性有20多个指标,指标没有标准化,而且研究之间的验证很少。在这里,我们介绍了开源Python和R包,称为cgmquantify,其中包含20多个函数,其中包含超过25个临床验证的葡萄糖和葡萄糖变异性指标以及用于可视化纵向CGM数据的函数。预计这对研究人员有用,并可能为患者和临床医生提供有关葡萄糖模式的更多见解。
2021-02-08 q-bio.QM stat.ME
Visualizing Dependence in High-Dimensional Data: An Application to S&P 500 Constituent Data
引入zenpath和zenplot的概念来搜索和检测高维数据中的依赖性,用于模型构建和统计推断。通过使用两个随机变量之间的任何相关性度量(例如相关性、斯皮尔曼ρ、肯德尔τ、尾相关性等),zenpath可以以不同的方式通过变量对构建路径,然后可以通过zenplot布局和显示。该方法通过研究2007-2008年金融危机期间标准普尔500指数成分股数据的尾部相关性和模型拟合来说明。还涉及相应的全球行业分类标准部门信息。Zenpaths和Zenplots是探索高维数据依赖性的有用工具,例如,来自金融,保险和定量风险管理领域的数据。所有提出的算法都是使用R软件包zenplots实现的,本文中的所有示例和图形都可以使用附带的演示SP 500复制。
2017-04-05 stat.AP
Space-Time Smoothing of Survey Outcomes using the R Package SUMMER
本文介绍开源 R 包 SUMMER,它结合 survey 与 INLA,为 DHS、MICS 等复杂调查数据提供顾及抽样设计的时空平滑与小区域估计流程。
2025-01-08 stat.AP stat.ME
visTree: Visualization of Subgroups for a Decision Tree
决策树是一种灵活的预测模型,用于量化结果-协变量关系并表征相关人群亚组。然而,拟合决策树的标准图形表示突出显示了各个分裂点,因此对于可视化定义的子组来说是次优的。在本文中,我们提出了一种新的视觉表示的决策树转移的主要重点,以表征子群,无论是在他们的定义协变量和他们的结果分布。我们实现我们的方法在\texttt{visTree}包,它建立在由\texttt{partykit}包提供的工具包和基础设施,使可视化应用到不同的决策树。使用来自盒装午餐研究的数据证明了个体功能[French等人,2014年],一项随机试验,以评估暴露于不同的午餐大小对工作成年人的能量摄入和体重的影响。
2021-03-06 stat.AP stat.OT
Identifying clusters in Czekanowski's diagram
本文针对Czekanowski图中聚类难以精确划定的问题,开发了RMaCzek包,新增了在Czekanowski图中识别聚类的功能。
2024-12-27 stat.AP
ggskewboxplots: Enhanced Boxplots for Skewed Data in R
Eskisehir Technical University(埃斯基谢希尔科技大学)
本文提出ggskewboxplots包,通过整合多种稳健且考虑偏斜性的箱线图变体,改进对偏斜数据的可视化分析,提升异常值检测的准确性。
2025-11-21 stat.AP stat.ME
Interactive Visualization of Spatial Omics Neighborhoods
空间组学数据的简化可以揭示跨基因组特征集合的共享的、空间结构化的表达模式。我们研究的策略,发现和交互式可视化低维结构的基础上构建的邻域功能的空间组学数据。我们设计了基于分位数和网络的空间特征,从而实现空间一致的嵌入。模拟比较了具有和不具有基于邻域的特征化的嵌入,以及对[Keren等人,2019年]显示了整个工作流程。我们提供了一个R包,NBFvis,以支持计算和交互式可视化的降维方法。用于再现实验和分析的代码和数据可在https://github.com/XTH1114/NBFvis上获得。
2021-12-02 stat.AP
Hierarchical clustering: visualization, feature importance and model selection
我们提出了层次聚类的分析方法,充分利用了树状图提供的多分辨率结构。具体来说,我们提出了一个损失之间的选择聚类方法,一个功能的重要性得分和可视化的功能在树状图中的分割图形工具。这些任务的当前方法导致信息丢失,因为它们需要用户通过在指定级别切割树状图来生成实例的单个分区。相反,我们提出的方法使用树状图的完整结构。所提出的方法背后的关键见解是将树状图视为一个遗传学。这种类比允许通过进化模型将特征值分配给树的每个内部节点。真实和模拟数据集提供的证据表明,我们提出的框架具有理想的结果,并提供了比最先进的方法更多的见解。我们提供了一个R包来实现我们的方法。
2023-01-28 cs.LG stat.ME
Multigroup discrimination based on weighted local projections
提出了一种新的高维扁平数据(变量多于观测值)的监督分类分析方法。我们使用的信息的类成员的观察,以确定组的观察局部描述组结构。通过将数据投影到这些组所跨越的子空间上,基于Ortner等人(2017 a)和Ortner等人(2017 b)的投影概念定义局部投影。对于每个局部投影,使用投影空间内的信息以及到投影空间的距离来计算局部判别分析(LDA)模型。这些模型提供了关于每个类别组合的分离质量的信息。基于该信息,定义权重,用于将每个子空间的基于LDA的后验概率聚合为新的总概率。相同的权重用于对新观测进行分类。除了在R包lop中实现的所提供的方法之外,还基于后验概率提出了一种可视化高维空间中组的连通性的方法。使用三个不同的真实世界的数据集进行了彻底的评估,强调了基于局部投影的分类和提供的可视化方法的优势。
2017-09-09 stat.ME
Variance Deltas for Visualizing and Explaining Posterior Uncertainty
Department of Statistical Sciences, Wake Forest University(韦克森林大学统计科学系)
提出方差增量交互可视化系统,通过将缺失信息表示为未观测模型量的子集,帮助用户从贝叶斯后验分布中发现不确定性来源。
2026-06-26 stat.ME
BCDAG: An R package for Bayesian structure and Causal learning of Gaussian DAGs
Università Cattolica del Sacro Cuore(天主教圣心大学);Università degli Studi di Milano-Bicocca(米兰比可卡大学)
有向无环图(DAG)提供了一个强大的框架来模拟多变量环境中变量之间的因果关系;此外,通过do-calculus理论,它们允许从纯观测数据中识别和估计变量之间的因果关系。在这种情况下,从数据中推断DAG结构的过程被称为因果结构学习或因果发现。我们介绍了BCDAG,一个用于贝叶斯因果发现和高斯观测数据因果效应估计的R包,实现了Castelletti和Mascaro(2021)提出的马尔可夫链蒙特卡罗(MCMC)方案。我们的实现可以有效地扩展观测的数量,并且只要DAG足够稀疏,就可以扩展数据集中的变量数量。该软件包还提供了收敛诊断和可视化和总结后验推理的功能。在本文中,我们提出了基本方法的主要特点,以及其在BCDAG中的实现。然后,我们说明了真实和模拟数据集上的主要功能和算法。
2022-01-28 cs.LG stat.ME stat.ML