Quantile Regression in Clinical Research / Cleophas, Ton J.  

Público ISBD Ningún comentario para este título. Título : Quantile Regression in Clinical Research : Complete analysis for data at a loss of homogeneity Tipo de documento: documento electrónico Autores: Cleophas, Ton J., ; Zwinderman, Aeilko H., Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: XII, 290 p. 1 ilustraciones ISBN/ISSN/DL: 978-3-030-82840-0 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Medicina clínica  Estadísticas  Procesamiento de datos  Grandes datos  Investigación clínica  Estadísticas aplicadas  Minería de datos y descubrimiento de conocimientos Clasificación: 61.550.724 Resumen: La regresión cuantil es un enfoque para los datos con pérdida de homogeneidad, por ejemplo (1) datos con valores atípicos, (2) datos sesgados como corona - datos de muertes, (3) datos con variabilidad inconstante, (4) big data. En la investigación clínica se pueden dar muchos ejemplos, como fenómenos circadianos y enfermedades cuya propagación puede depender de subconjuntos de fragilidad, bajo peso, falta de higiene y muchas formas de falta de salud. Los análisis estratificados son una forma de análisis laboriosa y bastante exploratoria, pero el análisis cuantil es una alternativa más fructífera, rápida y completa para este propósito. Considerando todo esto, estamos al borde de una revolución en el análisis de datos. La edición actual es el primer libro de texto y tutorial de regresiones cuantiles para estudiantes de medicina y atención sanitaria, así como un banco de recopilación/actualización y un servicio de asistencia para profesionales. Cada capítulo se puede estudiar de forma independiente y cubre uno de los muchos campos en el mundo de rápido crecimiento de las regresiones cuantiles. Se incluyen análisis paso a paso de más de 20 archivos de datos almacenados en extras.springer.com para autoevaluación. Debemos agregar que los autores están bien calificados en su campo. El profesor Zwinderman es expresidente de la Sociedad Internacional de Bioestadística (2012-2015) y el profesor Cleophas es expresidente del Colegio Americano de Angiología (2000-2002). Gracias a su experiencia, deberían poder realizar selecciones adecuadas de métodos modernos de regresión cuantil en beneficio de médicos, estudiantes e investigadores. . Nota de contenido: Chapter 1. General Introduction -- Chapter 2. Mathematical Models for Separating Quantiles from One Another -- Part I: Simple Univariate Regressions versus Quantile -- Chapter 3. Traditional and Robust Regressions versus Quantile -- Chapter 4. Autoregressions versus quantile -- Chapter 5. Discrete Trend Analysis versus Quantile -- Chapter 6. Continuous Trend Analysis versus Quantile -- Binary Poisson / Negative Binomial Regression versus Quantile -- Chapter 8. Robust Standard Errors Regressions versus Quantile -- Chapter 9. Optimal Scaling versus Quantile Regression -- Chapter 10. Intercept only Poisson Regression versus Quantile -- Part II: Multiple Variables Regressions versus Quantile -- Chapter 11. Four Predictors Regressions versus Quantile -- Chapter 12. Gene Expressions Regressions, Traditional versus Quantile -- Chapter 13. Koenker's Multiple Variables Regression with Quantile -- Chapter 14. Interaction Adjusted Regression versus Quantile -- Chapter 15. Quantile Regression to Study Corona Deaths -- Chapter 16. Laboratory Values Predict Survival Sepsis, Traditional Regression versus Quantile -- Chapter 17. Multinomial Poisson Regression versus Quantile -- Chapter 18. Regressions with Inconstant Variability versus Quantile -- Chapter 19. Restructuring Categories into Multiple Dummy Variables versus Quantile -- Chapter 20. Poisson Events per Person per Period of Time versus Quantile -- Part III: Special Regressions versus Quantile -- Chapter 21. Two Stage Least Squares Regressions versus Quantile -- Chapter 22. Partial Correlations versus Quantile Regressions -- Chapter 23. Random Intercept Regression versus Quantile -- Chapter 24. Regression Trees versus Quantile -- Chapter 25. Kernel Regression versus Quantile -- Chapter 26. Quasi-likelihood Regression versus Quantile -- Chapter 27. Summaries. Tipo de medio : Computadora Summary : Quantile regression is an approach to data at a loss of homogeneity, for example (1) data with outliers, (2) skewed data like corona - deaths data, (3) data with inconstant variability, (4) big data. In clinical research many examples can be given like circadian phenomena, and diseases where spreading may be dependent on subsets with frailty, low weight, low hygiene, and many forms of lack of healthiness. Stratified analyses is the laborious and rather explorative way of analysis, but quantile analysis is a more fruitful, faster and completer alternative for the purpose. Considering all of this, we are on the verge of a revolution in data analysis. The current edition is the first textbook and tutorial of quantile regressions for medical and healthcare students as well as recollection/update bench, and help desk for professionals. Each chapter can be studied as a standalone and covers one of the many fields in the fast growing world of quantile regressions. Step by step analyses of over 20 data files stored at extras.springer.com are included for self-assessment. We should add that the authors are well qualified in their field. Professor Zwinderman is past-president of the International Society of Biostatistics (2012-2015) and Professor Cleophas is past-president of the American College of Angiology(2000-2002). From their expertise they should be able to make adequate selections of modern quantile regression methods for the benefit of physicians, students, and investigators. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Quantile Regression in Clinical Research : Complete analysis for data at a loss of homogeneity [documento electrónico] / Cleophas, Ton J., ; Zwinderman, Aeilko H.,  . -  1 ed.  . - [s.l.] : Springer, 2021 . - XII, 290 p. 1 ilustraciones. ISBN : 978-3-030-82840-0 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Medicina clínica  Estadísticas  Procesamiento de datos  Grandes datos  Investigación clínica  Estadísticas aplicadas  Minería de datos y descubrimiento de conocimientos Clasificación: 61.550.724 Resumen: La regresión cuantil es un enfoque para los datos con pérdida de homogeneidad, por ejemplo (1) datos con valores atípicos, (2) datos sesgados como corona - datos de muertes, (3) datos con variabilidad inconstante, (4) big data. En la investigación clínica se pueden dar muchos ejemplos, como fenómenos circadianos y enfermedades cuya propagación puede depender de subconjuntos de fragilidad, bajo peso, falta de higiene y muchas formas de falta de salud. Los análisis estratificados son una forma de análisis laboriosa y bastante exploratoria, pero el análisis cuantil es una alternativa más fructífera, rápida y completa para este propósito. Considerando todo esto, estamos al borde de una revolución en el análisis de datos. La edición actual es el primer libro de texto y tutorial de regresiones cuantiles para estudiantes de medicina y atención sanitaria, así como un banco de recopilación/actualización y un servicio de asistencia para profesionales. Cada capítulo se puede estudiar de forma independiente y cubre uno de los muchos campos en el mundo de rápido crecimiento de las regresiones cuantiles. Se incluyen análisis paso a paso de más de 20 archivos de datos almacenados en extras.springer.com para autoevaluación. Debemos agregar que los autores están bien calificados en su campo. El profesor Zwinderman es expresidente de la Sociedad Internacional de Bioestadística (2012-2015) y el profesor Cleophas es expresidente del Colegio Americano de Angiología (2000-2002). Gracias a su experiencia, deberían poder realizar selecciones adecuadas de métodos modernos de regresión cuantil en beneficio de médicos, estudiantes e investigadores. . Nota de contenido: Chapter 1. General Introduction -- Chapter 2. Mathematical Models for Separating Quantiles from One Another -- Part I: Simple Univariate Regressions versus Quantile -- Chapter 3. Traditional and Robust Regressions versus Quantile -- Chapter 4. Autoregressions versus quantile -- Chapter 5. Discrete Trend Analysis versus Quantile -- Chapter 6. Continuous Trend Analysis versus Quantile -- Binary Poisson / Negative Binomial Regression versus Quantile -- Chapter 8. Robust Standard Errors Regressions versus Quantile -- Chapter 9. Optimal Scaling versus Quantile Regression -- Chapter 10. Intercept only Poisson Regression versus Quantile -- Part II: Multiple Variables Regressions versus Quantile -- Chapter 11. Four Predictors Regressions versus Quantile -- Chapter 12. Gene Expressions Regressions, Traditional versus Quantile -- Chapter 13. Koenker's Multiple Variables Regression with Quantile -- Chapter 14. Interaction Adjusted Regression versus Quantile -- Chapter 15. Quantile Regression to Study Corona Deaths -- Chapter 16. Laboratory Values Predict Survival Sepsis, Traditional Regression versus Quantile -- Chapter 17. Multinomial Poisson Regression versus Quantile -- Chapter 18. Regressions with Inconstant Variability versus Quantile -- Chapter 19. Restructuring Categories into Multiple Dummy Variables versus Quantile -- Chapter 20. Poisson Events per Person per Period of Time versus Quantile -- Part III: Special Regressions versus Quantile -- Chapter 21. Two Stage Least Squares Regressions versus Quantile -- Chapter 22. Partial Correlations versus Quantile Regressions -- Chapter 23. Random Intercept Regression versus Quantile -- Chapter 24. Regression Trees versus Quantile -- Chapter 25. Kernel Regression versus Quantile -- Chapter 26. Quasi-likelihood Regression versus Quantile -- Chapter 27. Summaries. Tipo de medio : Computadora Summary : Quantile regression is an approach to data at a loss of homogeneity, for example (1) data with outliers, (2) skewed data like corona - deaths data, (3) data with inconstant variability, (4) big data. In clinical research many examples can be given like circadian phenomena, and diseases where spreading may be dependent on subsets with frailty, low weight, low hygiene, and many forms of lack of healthiness. Stratified analyses is the laborious and rather explorative way of analysis, but quantile analysis is a more fruitful, faster and completer alternative for the purpose. Considering all of this, we are on the verge of a revolution in data analysis. The current edition is the first textbook and tutorial of quantile regressions for medical and healthcare students as well as recollection/update bench, and help desk for professionals. Each chapter can be studied as a standalone and covers one of the many fields in the fast growing world of quantile regressions. Step by step analyses of over 20 data files stored at extras.springer.com are included for self-assessment. We should add that the authors are well qualified in their field. Professor Zwinderman is past-president of the International Society of Biostatistics (2012-2015) and Professor Cleophas is past-president of the American College of Angiology(2000-2002). From their expertise they should be able to make adequate selections of modern quantile regression methods for the benefit of physicians, students, and investigators. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200