米国における虚血性心疾患死亡率の空間的時間的パターンの分析における高速アプローチ（1999-2021）
1999年から2021年にかけての米国の虚血性心疾患（IHD）死亡率の空間的時間的パターンを分析した結果、2014年以降は減少傾向が鈍化し、2019年以降はわずかに増加傾向が見られることが明らかになった。ただし、この傾向は郡、4つの主要地域（西部、中西部、南部、北東部）、都市部と農村部で異なっている。
Spatio-temporal Analysis of Ischemic Heart Disease Mortality in US Counties (1999-2021) Using a Scalable Bayesian Approach
While the overall age-adjusted mortality rate due to ischemic heart disease (IHD) in the US has declined, this trend has slowed down, and disparities exist at the county level, with some counties even experiencing increases, highlighting the need for targeted interventions.
基於貝葉斯證據綜合的 SARS-CoV-2 傳播模型
此研究提出了一個基於貝葉斯證據綜合的隨機離散時間 SEIR 模型，用於模擬 SARS-CoV-2 的傳播，並利用英國、希臘和美國的公開數據驗證了模型的有效性。
베이지안 증거 합성을 활용한 SARS-CoV-2 전파 모델링
본 논문에서는 불완전한 데이터 환경에서도 정확한 전염병 모델링을 위해 베이지안 증거 합성 방법을 사용하여 공개적으로 이용 가능한 데이터를 통합하고, SEIR 모델을 기반으로 SARS-CoV-2 전파 динамику를 분석합니다.
SARS-CoV-2感染伝播モデリングのためのベイズエビデンス合成
公的にアクセス可能なデータを用いた、COVID-19の感染伝播をモデル化する新しい確率的離散時間SEIRフレームワークが提案されており、このモデルは、パンデミックの急性期と流行期における感染率、死亡率、ワクチン接種の影響を理解するのに役立ちます。
Bayesian Evidence Synthesis for Modeling SARS-CoV-2 Transmission Dynamics Using Publicly Available Data
This research paper proposes a Bayesian SEIR model incorporating vaccination and demographic data to estimate the true number of COVID-19 infections and analyze transmission dynamics, highlighting the limitations of publicly available data and exploring alternative approaches to understanding epidemic behavior.
사전 의존성 구조가 사후 분포에 미치는 영향: 언제 복잡한 사전 분포가 유용할까?
베이지안 분석에서 사전 분포의 의존성 구조 설정 시, 데이터가 많아질수록 사전 분포의 영향력이 줄어들고 likelihood 함수에 의해 결정되는 사후 분포의 의존성 구조를 유지하기 어려워진다. 따라서 실질적인 이점이 없는 복잡한 사전 의존성 구조 설정보다는, 분석 목적에 부합하는 사전 분포 선택이 중요하다.
事前依存構造の事後分布への影響：いつ複雑な依存構造の指定が役立つのか、そしてそうでないのか
本稿では、ベイズ分析における事前分布の依存構造が、特に大標本の場合、事後分布に必ずしも反映されるとは限らないことを示し、適切な事前分布の選択基準について議論しています。
Prior Dependence Structures Often Vanish in Posterior Distributions with Large Samples
While recent methods allow for flexible prior dependence structures in Bayesian analysis, these structures are often not retained in the posterior distribution as the sample size increases, impacting the alignment between prior specification and posterior analysis objectives.
使用與實質模型相容的多重插補法對結果缺失進行敏感性分析及其在因果推論中的應用
當結果變數自身的缺失與其自身的值相關時，傳統的多重插補法可能會產生偏差。本文提出了兩種新的敏感性分析方法，NAR-SMCFCS 和 NAR-SMC-stack，用於解決這個問題，並通過模擬研究證明了它們在因果推論中的有效性。
© 2024 by Linnk AI