许多研究在生物医学、心理和相关服务的研究涉及人口混合物。适当的承认存在的混合物在一个研究人口对建模有相当重要的影响和评估干预策略研究和临床研究。举个例子,如果我们对待每一个人都在研究人群是企图自杀的风险和应用Cox比例风险等标准的生存分析模型回归,我们假设每个人都罕见事件的风险,尽管允许个人特征修改此类事件的风险。本标准方法缺乏特异性和未能识别高危组的干预是有针对性的和最有效的。

近年来在出版物的数量显著增加人口混合物模型及其应用。例如,zero-inflated泊松和zero-inflated负二项模型已经广泛用于计数反应与结构零、一个概念区分nonrisk族群和其他高危组。在前面的生存分析、治疗模式已经越来越多地用来占子群的存在无风险或几乎没有失败的风险。

为了应对这一趋势在文献中,我们喜欢把这个特殊的问题,新的人口统计模型和新颖应用现有的模型混合物在生物医学和心理研究。频率论者和贝叶斯统计方法都是受欢迎的。潜在的主题包括,但不限于:

• 治疗在复发事件数据模型
• 在纵向研究zero-inflated计数数据模型
• 有限混合模型在生物医学研究
• Pattern-mixture模型缺失的数据分析
• 协变量因果推论与时间
• 子类型化的疾病的临床应用

之前提交的作者应该仔细阅读《华尔街日报》的作者指南,位于//www.newsama.com/journals/cmmm/guidelines/。未来的作者应该提交一份电子版的完整手稿通过跟踪系统在《华尔街日报》手稿http://mts.hindawi.com/根据以下时间表: