生物统计学的新进展

---

生物统计数据涉及生物医学研究产生的数据。它仍然是一个非常活跃的研究区域，具有复杂的事件时间数据和缺失的应用领域新兴数据，包括医学，遗传学，神经科学和工程。生物医学研究的最新进展为统计人和数据科学家创造了新的挑战和机遇。例如，大数据分析，精密医学，人工智能，因果推断等新研究领域拥有促进数据科学家培养现代统计方法和创新推理程序。

本特别问题提出了当代生物统计数据的统计研究和新进展。它提供了一篇审查文章和七篇，其中一些领先专家贡献的领域。本问题所载的审查条概述了生物统计数据目前的发展，而七个研究文章中的每一个都涉及当代生物统计数据的新挑战，如下面的总结。

在审查纸上“混合效应模型与审查的协变量，艾滋病毒/艾滋病研究中的应用，”由L.吴和H.张，作者侧重于纵向数据和时间回归分析中截取的时间依赖协变量的问题-to-event数据。他们回顾了两步方法和联合似然方法，并描述了艾滋病毒/艾滋病研究的例子，以说明方法的问题和应用。

研究文章题为“用于分析自我报告膳食进口数据的平均和定量回归方法的比较，“通过M.L.Vidoni等，比较了在调查健康行为干预和饮食指标之间的关系方面的传统均值的线性回归。作者发现，只有量化的回归，通过建模跨越结果的分布，可以完全描述干预干预和标准护理群之间健康和不健康食肉指数的影响。结果可以帮助制定具有异质群体的更有效的行为干预痕迹。

题为“通过复制复杂网络和卷积神经网络的组合的心房颤动检测的研究制品那“由X. Wei等人提出了基于深神经网络分析心电图信号的同步特征的R波峰间隔独立心房颤动检测算法。结果表明，算法的敏感性，特异性和准确性均约为95％，并且该算法比检测心房颤动的个体变化方面比传统算法更有效。

题为“关于零充气泊松回归的自适应套索的注意事项”那“由P. Banerjee等，提出了一种灵活的可变选择方法，以有效地识别零充气泊松（ZIP）回归模型中的相关特征。满足Oracle属性的zip回归模型中的现有方法是满足Oracle属性的是EM自适应套索（EM A1），当特征相关时，可以生成次优导结果。所提出的方法能够始终如一地识别真实模型，并且所产生的估算器与Oracle一样有效。

过去十年已经看到广泛地发展用于设计I阶段的临床试验，用于药物组合，包括允许单一剂癌期I试验中的个体化最大耐受剂量（MTD）测定的设计。In the research article “A Bayesian Adaptive Design in Cancer Phase I Trials Using Dose Combinations in the Presence of a Baseline Covariate,” by M. A. Diniz et al., the authors describe a Bayesian adaptive design for dose finding of a combination of two drugs in cancer phase I clinical trials. The method takes into account patients’ heterogeneity possibly related to treatment susceptibility. The authors accomplish this using escalation with overdose control principle, and the proposed method gives a smaller pointwise average bias and a higher percent of MTD recommendation.

在研究论文中，“改善了两种独立算法的两个变化系数的小样本推断那“由A. Wong和L. Jiang，作者研究了两个样本推断的两种变化系数的比率，其中数据被从逻辑分布采样。他们提出了一种模拟的似然比方法，优于仿真研究中具有小样本的现有方法。

在研究制品中“通过Dirichlet方法的混合物检测空间簇那“由M. A. Ray等人提出了一种能够检测具有偏斜或不规则分布的空间簇的方法。Dirichlet方法的混合物用于描述空间分布图案。不同批次的数据收集工作的影响也用Dirichlet方法进行建模。在贝叶斯框架下绘制包括聚类的参数推论。

题为“关于使用Min-Max组合的生物标志物组合以最大化ROC曲线下部分区域的研究制品那“通过H. Ma等人，采用并将MIN-MAX方法扩展到PAUC的估计，当多个连续缩放的生物标志物可用时，并通过模拟比较所提出的方法的提出方法的性能。广泛的仿真结果表明，该方法提供了最大的PAUC估计。所提出的方法是强大的，并鼓励在估计许多实际情况的PAUC中使用这种方法。

作为这个特殊问题的编辑，我们希望这一特别问题的读者能够在统计程序和实际应用方面找到当代生物统计数据的贡献。我们希望特别问题提供由生物医学例子中的新方法和新的应用程序，在广泛的生物医学中，在广泛的生物医学中，刺激当代生物统计数据的新利益。

利益冲突

作者声明他们没有利益冲突。

致谢

我们想向作者和审稿人表示赞赏，以获得对这一特别问题的良好贡献。我们还感谢您的专业服务概率和统计数据，这使得这一特殊问题可以成为可能。

宜川赵
Ash Abebe.
李红齐
张扬
徐张

版权

版权所有©2019 Yipuan Zhao等。这是分布下的开放式访问文章创意公共归因许可证如果正确引用了原始工作，则允许在任何媒体中的不受限制使用，分发和再现。