論文の概要: A Priori Determination of the Pretest Probability
- arxiv url: http://arxiv.org/abs/2401.04086v1
- Date: Mon, 8 Jan 2024 18:44:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-09 13:55:21.919542
- Title: A Priori Determination of the Pretest Probability
- Title（参考訳）: 事前試験確率の事前決定
- Authors: Jacques Balayla
- Abstract要約: 本稿では,ロジスティック回帰モデルからロジット関数を用いて,疾患の先行確率,先行確率を推定する新しい手法を提案する。
兆候や症状を呈する患者では、事前の確率の最小値である$phi$を、次のように近似することができる。 $phi approx frac15lnleft[styleprod_theta=1ikappa_thetaright]$ where $ln$ is the natural, $kappa_theta$ is the chance ratio with the associated。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this manuscript, we present various proposed methods estimate the
prevalence of disease, a critical prerequisite for the adequate interpretation
of screening tests. To address the limitations of these approaches, which
revolve primarily around their a posteriori nature, we introduce a novel method
to estimate the pretest probability of disease, a priori, utilizing the Logit
function from the logistic regression model. This approach is a modification of
McGee's heuristic, originally designed for estimating the posttest probability
of disease. In a patient presenting with $n_\theta$ signs or symptoms, the
minimal bound of the pretest probability, $\phi$, can be approximated by:
$\phi \approx
\frac{1}{5}{ln\left[\displaystyle\prod_{\theta=1}^{i}\kappa_\theta\right]}$
where $ln$ is the natural logarithm, and $\kappa_\theta$ is the likelihood
ratio associated with the sign or symptom in question.
- Abstract（参考訳）: 本論文では,スクリーニング検査の適切な解釈のための重要な前提条件である,疾患の有病率を推定する様々な方法を提案する。
これらのアプローチの限界に対処するために,ロジスティック回帰モデルからロジット関数を活用し,疾患の前テスト確率を推定する新しい手法を提案する。
このアプローチはマクギーのヒューリスティックの修正であり、元々は病気の検査後の確率を推定するために設計された。
n_\theta$ の徴候または症状を呈示する患者では、テスト前の確率の最小境界である $\phi$ を次のように近似することができる: $\phi \approx \frac{1}{5}{ln\left[\displaystyle \prod_{\theta=1}^{i}\kappa_\theta\right]} ここで$ln$ は自然対数であり、$\kappa_\theta$ は問題の徴候または症状に付随する確率比である。
関連論文リスト
- Counterfactual Uncertainty Quantification of Factual Estimand of Efficacy from Before-and-After Treatment Repeated Measures Randomized Controlled Trials [1.3461364647443341]
本稿では、実測点推定の不確実性を定量化する$textitcounterfactual$ uncertainty Quantification (CUQ)を示すが、反実的な設定では驚くほど達成可能である。
基準回帰推定値の違反は治療効果を推定する際の減衰を引き起こす可能性があるため, 治療前の観測不可能な真の状態の推定が測定誤差がある場合, 注意を促した。
論文 参考訳（メタデータ） (2024-11-14T18:01:02Z) - Testing the Feasibility of Linear Programs with Bandit Feedback [53.40256244941895]
我々は,低回帰アルゴリズムと反復対数の漸近法則に基づくテストを開発する。
このテストが信頼できることを証明し、信号レベルに適応する'$Gamma,$ of any instance。
信頼性テストのサンプルコストに対して、最小限の$(Omegad/Gamma2)$で補う。
論文 参考訳（メタデータ） (2024-06-21T20:56:35Z) - Variational Prediction [95.00085314353436]
本稿では,変動境界を用いた後部予測分布に対する変動近似の学習手法を提案する。
このアプローチは、テスト時間の限界化コストを伴わずに、優れた予測分布を提供することができる。
論文 参考訳（メタデータ） (2023-07-14T18:19:31Z) - A Novel Bayes' Theorem for Upper Probabilities [7.527234046228324]
1990年の論文の中で、ワッサーマンとカダンはベイズの測度集合の後方確率の上限を$A$と定めている。
本稿では,その可能性に関する不確実性に対処することで,それらの結果を一般化する。
論文 参考訳（メタデータ） (2023-07-13T15:50:49Z) - Estimating Optimal Policy Value in General Linear Contextual Bandits [50.008542459050155]
多くのバンドイット問題において、政策によって達成可能な最大報酬は、前もって不明であることが多い。
我々は,最適政策が学習される前に,サブ線形データ構造における最適政策値を推定する問題を考察する。
V*$で問題依存上界を推定する,より実用的で効率的なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-02-19T01:09:24Z) - High Probability Bounds for a Class of Nonconvex Algorithms with AdaGrad
Stepsize [55.0090961425708]
本研究では,AdaGradのスムーズな非確率問題に対する簡易な高確率解析法を提案する。
我々はモジュラーな方法で解析を行い、決定論的設定において相補的な$mathcal O (1 / TT)$収束率を得る。
我々の知る限りでは、これは真に適応的なスキームを持つAdaGradにとって初めての高い確率である。
論文 参考訳（メタデータ） (2022-04-06T13:50:33Z) - On the Pitfalls of Heteroscedastic Uncertainty Estimation with
Probabilistic Neural Networks [23.502721524477444]
このアプローチがいかにして非常に貧弱だが安定な推定に繋がるかを示す合成例を示す。
問題を悪化させる特定の条件とともに、犯人をログライクな損失とみなす。
我々は、損失に対する各データポイントの寄与を、$beta$-exponentiated variance estimateによって重み付けする、$beta$-NLLと呼ばれる別の定式化を提案する。
論文 参考訳（メタデータ） (2022-03-17T08:46:17Z) - Uncertainty Quantification of the 4th kind; optimal posterior
accuracy-uncertainty tradeoff with the minimum enclosing ball [1.6009195333398072]
不確実性定量化(UQ)への第4のアプローチを紹介する。
これは、サンプルの$x$を観察して、相対的可能性を通して可能性領域を定義し、その領域でミンマックスゲームを行い、最適推定器とそれらのリスクを定義した後で要約できる。
提案手法は,データ同化に伴うロバストネス-精度トレードオフをナビゲートすることでベイズ推定の脆さに対処する。
論文 参考訳（メタデータ） (2021-08-24T04:02:45Z) - SLOE: A Faster Method for Statistical Inference in High-Dimensional
Logistic Regression [68.66245730450915]
実用データセットに対する予測の偏見を回避し、頻繁な不確実性を推定する改善された手法を開発している。
私たちの主な貢献は、推定と推論の計算時間をマグニチュードの順序で短縮する収束保証付き信号強度の推定器SLOEです。
論文 参考訳（メタデータ） (2021-03-23T17:48:56Z) - Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。
標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。
原理的に部分観測可能なベイズ的枠組みを提案する。
論文 参考訳（メタデータ） (2020-09-12T20:37:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。