تخطى إلى المحتوى
العالِم العربي
  • الصفحة الرئيسية
  • مجالات الأبحاث
  • عن الموقع
  • تواصل معنا
  1. الرئيسية
  2. مجالات الأبحاث
  3. الرياضيات (Mathematics)
  4. التصنيف: الإحصاء والاحتمالات (Statistics and Probability)

الأبحاث في مجال: الإحصاء والاحتمالات (Statistics and Probability)



  • مقدر قوي جديد للتعامل مع القيم الشاذة والتعدد الخطي في نموذج الانحدار غاما مع تطبيق على بيانات سرطان الثدي

    2025 | المؤلف: Arwa M. Alshangiti وآخرون | المجلة: Scientific Reports | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    تقدم ورقة البحث مقدر انحدار قمة غاما القوي (RGRRE) المصمم لمعالجة تحديات التعدد الخطي والقيم الشاذة في نماذج الانحدار غاما (GRM)، والتي تُستخدم عادةً لتحليل البيانات المستمرة المائلة إيجابيًا. تميل نماذج GRM التقليدية إلى عدم الاستقرار في تقديرات المعاملات وزيادة خطأ المربعات المتوسطة (MSE) بسبب هذه القضايا. يدمج RGRRE المقترح تقنيات الانحدار القمة مع طرق…


  • رفع مستوى الاستدلال السببي: تتبنى PLOS Medicine إرشادات TARGET لدراسات محاكاة التجارب المستهدفة

    2025 | المؤلف: Helen Lumbard وآخرون | المجلة: PLoS Medicine | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    تؤكد قسم المناقشة على ضرورة إرشادات TARGET لدراسات الوقت حتى الحدث (TTE)، مشددة على أن المراجعات السابقة كشفت عن نقص كبير في الإبلاغ عن العناصر الأساسية للتجارب مثل التقديرات، معايير الأهلية، والتحليلات الحساسة. إن عدم وجود تقارير واضحة يعقد تقييم التحيز والصلاحية، حيث أن الإرشادات الحالية مثل STROBE لا تعالج بشكل كافٍ المتطلبات الفريدة لأبحاث…


  • معدلات نجاح التجارب السريرية الديناميكية للأدوية في القرن الحادي والعشرين

    2025 | المؤلف: Ying Zhou وآخرون | المجلة: Nature Communications | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مع تسليط الضوء على النتائج المهمة المستمدة من التجارب التي أجريت. تشير البيانات إلى وجود علاقة قوية بين المتغير المستقل والمتغير التابع، مع مستوى دلالة إحصائية p < 0.05. على وجه التحديد، يكشف التحليل أنه مع زيادة المتغير المستقل، هناك زيادة متCorresponding في المتغير التابع، مما يشير إلى علاقة…


  • تعديل المتغيرات في التجارب العشوائية العنقودية: دليل عملي

    2025 | المؤلف: Karla Hemming وآخرون | المجلة: BMJ | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    تقدم المقالة إرشادات عملية حول تعديل المتغيرات المشتركة في التجارب العشوائية المجمعة (CRTs)، مشددة على دورها في تعزيز الدقة الإحصائية وتقليل التحيزات الناجمة عن التوظيف المختلف أو البيانات المفقودة. توصي المقالة بإدراج المتغيرات المشتركة التي تُستخدم في العشوائية المقيدة أو التي تتنبأ بالنتائج، بالإضافة إلى تلك المتعلقة بالتوظيف والافتقار. يتم مناقشة مجموعة من الأساليب القائمة…


  • معالجة التعدد الخطي في النموذج الخطي العام: نهج جديد لمعلمة الحافة مع مقارنة الأداء

    2025 | المؤلف: Muhammad Luqman وآخرون | المجلة: PLoS ONE | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    تتناول البحث التحديات التي تطرحها البيانات ذات الحالة السيئة والتعدد الخطي في نمذجة الانحدار، والتي يمكن أن تؤدي إلى تقديرات غير دقيقة للمعلمات وزيادة في الأخطاء المعيارية. تعيق هذه القضايا القدرة على تقييم تأثير المتغيرات التفسيرية بدقة على المتغير المستجيب، مما يزيد من خطر الأخطاء من النوع الثاني. للتخفيف من هذه المشاكل، تم اقتراح تقنيات…


  • التعلم الآلي يكشف أنماط استجابة العلاج المخفية فقط في وجود تصنيف سريري شامل

    2025 | المؤلف: Stephen D. Auger وآخرون | المجلة: PLoS ONE | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    تبحث الدراسة في فعالية التعلم الآلي باستخدام تقنية تعزيز التدرج (وبشكل خاص XGBoost) مقارنة بالإحصائيات الاستنتاجية التقليدية في التجارب السريرية، خاصة عندما تتأثر استجابة العلاج بعدة متغيرات ظاهرة. في تجربة سريرية عشوائية محاكاة، أظهرت التحليلات التقليدية فائدة علاجية كبيرة (تغيير قياس النتيجة من الأساس = 4.23؛ 95% CI 3.64-4.82)، ولكن كان من الممكن أن تؤدي…


  • ما وراء نماذج كوكس: تقييم أداء طرق التعلم الآلي في المخاطر غير النسبية وتحليل البقاء غير الخطي

    2025 | المؤلف: Giovanni Birolo وآخرون | المجلة: Computers in Biology and Medicine | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    تبحث هذه الدراسة في فعالية طرق التعلم الآلي والتعلم العميق في تحليل البقاء، خاصة في السيناريوهات التي قد لا تنطبق فيها افتراضات نماذج كوكس التقليدية المتعلقة بالخطية والمخاطر النسبية (PH). تقيم الأبحاث ثمانية نماذج، بما في ذلك ستة أساليب غير خطية، مقابل نماذج كوكس المعاقبة باستخدام معيار من ثلاثة مجموعات بيانات صناعية وثلاثة مجموعات بيانات…


  • ما وراء مجرد الارتباط: التعلم الآلي السببي للميكروبيوم، من التنبؤ إلى سياسة الصحة باستخدام الأدوات الاقتصادية

    2025 | المؤلف: Issam Khelfaoui وآخرون | المجلة: Frontiers in Microbiology | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    يلعب الميكروبيوم البشري دورًا حاسمًا في الصحة والمرض، ومع ذلك فإن تحويل الارتباطات الميكروبية إلى تدخلات فعالة لا يزال يمثل تحديًا. تسلط هذه المراجعة الضوء على دمج التعلم الآلي (ML) وطرق الاستدلال السببي في أبحاث الميكروبيوم، مع التركيز على تطبيقاتها في السياقات ذات الصلة بالسياسة. لقد نجحت تقنيات التعلم الآلي القابلة للتفسير في تحديد المحركات…


  • تصميم قائم على العلامات الحيوية التكيفية للتجارب السريرية في المرحلة المبكرة

    2025 | المؤلف: Alessandra Serra وآخرون | المجلة: Statistics in Medicine | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    في سياق الطب الدقيق، يعد تحديد وقياس العلامات الحيوية التنبؤية أمرًا أساسيًا لتعزيز استراتيجيات تطوير سريرية تركز على المريض. تركز هذه الدراسة على تصميمات التجارب التكيفية في المراحل المبكرة التي تسمح بالتعديلات بناءً على التحليلات المؤقتة، مستهدفة بشكل خاص تحسين مجموعات الدراسة وفقًا لعلاماتها الحيوية التنبؤية. الهدف الرئيسي خلال هذه المراحل المبكرة هو اكتشاف إشارات…


  • العوامل المرتبطة بمشاكل استخدام الانحدار المتعدد الاستكشافي لتحديد عوامل الخطر السببية

    2025 | المؤلف: Dan Lewer وآخرون | المجلة: BMJ Medicine | المجال: الإحصاء والاحتمالات (Statistics and Probability)

    في بحثهم، ينتقد ليوير وزملاؤه “العوامل المرتبطة بـ” تصميم الدراسة المستخدم عادة في الأبحاث الطبية والوبائية. يفتقر هذا النهج الملاحظ إلى متغير مستقل رئيسي محدد مسبقًا ويعتمد على الانحدار المتعدد المتغيرات لتحديد العلاقات ذات الدلالة الإحصائية بين عدة تعرضات ونتائج صحية. يجادل المؤلفون بأنه بينما تهدف هذه الدراسات إلى كشف العلاقات السببية، فإنها غالبًا ما…


←السابق
1 … 8 9 10 11 12 … 28
التالي→

حقوق النشر © 2026 العالِم العربي. جميع الحقوق محفوظة. موقع العالِم العربي غير مسؤول عن محتوى المواقع الخارجية.