XiaoMi-AI文件搜索系统
World File Search SystemMcFetridge
在健壮的联合模型设置中利用机器学习
在强大的联合模型设定主管中利用机器学习：Karen Cairns博士和Lisa McFetridge博士自2020年4月以来，贝尔法斯特皇后大学的研究人员通过贝尔法斯特皇家护理部门（ICU）的贝尔法斯特皇后学院的研究人员收集了大量数据。拟议的博士将开发新的统计理论，以更好地说明和分析此类数据的复杂性，并与贝尔法斯特皇家维多利亚医院的呼吸医学顾问紧密合作，计算机科学的高级讲师查尔斯·吉兰（Charles Gillan）将这一理论付诸实践。因此，这是对ICU患者产生现实世界影响的一个令人兴奋的机会。该项目将开发的新方法将用于确定严重不良事件的风险因素，并产生动态预测，这些预测将被纳入预警系统中以帮助ICU员工。机械通气是一种挽救生命的疗法，但不幸的是，它确实对患者构成风险。预防策略的早期鉴定和发展对于最终改善需要机械通气的患者的生存预后至关重要。该项目将开发新的鲁棒关节建模方法来同时分析ICU患者在住院期间从ICU患者收集的重复测量（纵向数据），并且这些生物标志物的动态变化对患者预后的影响（McFetridge 2021）。生存森林是一种合奏技术，类似于随机森林（Breiman 2001），它在事实上的环境中应用（Ishwaran 2008）。尤其是，这项工作将通过掺入生存树和随机生存森林来利用机器学习技术的准确性，以更好地捕获活动时间的过程。与标准生存模型（例如COX回归）相比，它们已显示出高度准确的集合预测指标，提高了预测精度。因此，它们在健壮的关节模型设置中的利用将提供更精确的动态个性化的生存预测，同时考虑了生物标志物随时间的发展，并且有可能存在趋势不符合人群平均值的外围个体的共同存在的潜力。这种强大的方法将在ICU中为严重的不良事件奠定急需的预警系统的基础。该博士将融入针对预警系统开发和完善的更广泛的项目集合，学生与整个研究团队紧密合作，以实施所需的现实世界影响。有关该项目的更多详细信息，请联系主要主管（k.cairns@qub.ac.uk）。McFetridge，L.M.，Asar，Ö。和沃林（J. 63（8），1587-1606。 Breiman，L。随机森林，机器学习，2001年； 45，5-32。McFetridge，L.M.，Asar，Ö。和沃林（J. 63（8），1587-1606。Breiman，L。随机森林，机器学习，2001年； 45，5-32。
ERIA One 东盟初创企业白皮书 2024
科技型创业是健康创新生态系统的结果，创新和创业使经济体在区域和全球市场上保持竞争力。初创企业通过其创新的商业模式，激发了实现目标和指标的新方法，从而可能实现与联合国可持续发展目标相一致的更具环境可持续性和包容性的经济发展。通过包容性和可持续的经济增长实现这些全面且相互关联的目标，可以使东南亚国家联盟 (ASEAN) 地区的许多国家摆脱中等收入陷阱，并加速向知识型经济的转型。因此，创新和创业是包容性和可持续经济增长的催化动力；创新满足了消费者的需求，支持了市场扩张，并促进了经济活动 (McFetridge，2022 年)。创新驱动的增长可以提高生产力，创造新的就业机会，如果引导得当，还可以解决重大的社会问题。
多元混合模型中随时间变化的关联
多元混合模型中随时间变化的关联：在体育分析中的应用 导师：Lisa McFetridge 博士 足球是世界上最受欢迎的运动之一，全球有超过 35 亿球迷。2021 年，足球的全球价值估计为 30.2 亿美元，预计到 2027 年将达到 38.7 亿美元。由于在这项运动中取得成功可以获得巨额经济回报，近年来，所有主要足球俱乐部都开始大量投资于大数据分析以及将统计和机器学习方法应用于体育分析。可穿戴技术的发展促进了此类投资，该技术可以实时监测健康和表现指标，例如球员在比赛和训练场景中的心率、动作和位置。球员生物标志物的动态变化（例如心率变异性）可作为伪变量来衡量他们对训练计划的适应度、比赛中的表现并发现疲劳的发生。如果正确使用，这些信息可以揭示随时间变化的趋势和模式，从而降低受伤风险、促进恢复并最终帮助球员提高健康和表现 (Viegas 2024)。可穿戴技术通常每秒收集多个观察结果，并在一个赛季内积累大量数据。为了对这种密集的纵向数据进行建模，可以使用多元混合效应模型 (Hickey 2016)。这些方法允许随时间对多个生物标志物或指标进行建模，同时捕捉影响球员内部负荷的不同方面，从而提供关键见解，不仅了解每个生物标志物如何独特地影响球员的健康，还了解不同生物标志物如何相互关联。虽然这些见解很有价值，但多元混合模型目前并未充分利用数据的时变性。当前的方法假设生物标志物之间的关系不会随时间而变化。这种时不变相关性的假设在分析随时间自然演变的信息时可能具有限制性并且可能不切实际。为了更好地捕捉这些关系随时间变化的本质，本项目将开发包含随时间变化相关性的新型多元混合模型方法。本项目将为预测体育分析 (PSA) 小组领导的一系列体育分析工作提供信息。为了最大限度地发挥这项工作的潜在影响力，博士生将与其他 PSA 研究人员以及当地精英足球俱乐部（包括在国家联赛顶级联赛中踢球的俱乐部）密切合作，将尖端的数据驱动决策融入他们的流程并实现预期的现实影响。有关项目的更多详细信息，请联系主要主管 l.mcfetridge@qub.ac.uk。Viegas, JM、Dores, H.、Freitas, A.、Cavigli, L.& D'Ascenzi, F., 运动心脏病学的发展：通向更光明的未来之路, Revista Portuguesa de Cardiologia, 2024; 43 (2), 87-89。Hickey, GL, Philipson, P., Jorgensen, A., & Kolamunnage-Dona, R., 事件发生时间和多变量纵向结果的联合建模：最新发展和问题, BMC Medical Research Methodology, 2016; 16 (1), 1-15。