研究

高通量组学研究

“组学领域的新技术已经改变了景观的生物医学研究在过去的二十年。生成的数据从各种各样的这些高通量分析(微阵列,测序,mass-spectometry等)带来有趣的分析挑战由于高维,大量、复杂的数据结构。我们的许多教师参与开发方法从组学数据生命周期的所有阶段,包括研究设计、数据生成,质量控制,预处理,建模,分析,解释,存档、数据传播和软件开发。根据这个问题,统计和计算方法包括机器学习、高维方法,潜变量模型,统计遗传学,遗传风险预测,子类型、因果建模、数据集成和非参数方法。教师密切配合核心设施产生的数据和各种生物医学研究人员在校园内外提供有趣的应用程序为特定的系统和疾病。

纵向,相关和联合模型

观察健康科学研究通常按顺序在被试,导致时间模式和/或序列相关性。研究也通常涉及受试者在同一家医院接受治疗或由同一供应商,这产生了相似的主题。这些情况需要特殊的统计方法来保持有效性的情况下依赖观察和了解这些差异的来源。在许多情况下多个结果也感兴趣的。教员参与开发新的统计方法对于许多这样的情况,如在缺失数据的模式取决于结果;复杂的时序模式在纵向数据对象;使用代理措施当协变量真的不可见;和联合建模的纵向措施和时间事件的结果。

临床试验样本量估算,诊断研究

估计所需的对象数量进行敏感、高效和伦理研究是一个非常常见和重要的问题在卫生保健研究。教师发展等方法进行评估,在这种情况下,研究设计是复杂的,例如涉及纵向测量对象随着时间的推移,或学科集群内网站或临床医生。一些当前教师的研究可以在SampleSizeShop.org找到,它提供了所有人员,包括行为和社会科学家,与免费的、开源的、同行评议的权力和样本大小的软件,教程,和教育材料。万博手机版下载

生存、复发事件和非正态的结果

结果在生物医学和公共卫生研究往往比简单的数值更复杂的措施,和正常的假设是不合适的。当时间一个事件如死亡,进入医院,或感兴趣的疾病复发,模型可用于占审查(已知只有范围的事件时倍)。这些模型已经扩展到事件可以发生不止一次,在临床医学中是很常见的情况。教师正在研究情况只有重要的事件间隔,和影响的限制要求样本大小。其他的例子非正态的统计方法的结果被教师研究包括不同种类的细菌数量在肺部微生物样品,和卫生保健的成本在多个成本类别或者当成本可能是零。

成像分析

探索多种类型的成像数据,数据处理算法,和新的数据分析方法成像数据,多种类型的成像数据,数据处理算法,为成像数据,新的数据分析方法。

因果推论

研究设计和分析所需的各个方面超越相关性和因果关系。

非参数和semi-parametric方法

分布的变量和变量之间的关系在健康科学研究往往比可以与传统捕获复杂参数的方法。非参数和semi-parametric方法放松一些假设的参数的方法。非参数方法的分布不是隐含假设为了执行推理。这可以有用当分布是未知的或很难处理,情况尤为常见微生物等生物数据或基因组数据。常见的非参数方法包括置换、引导和其他基于重采样的方法。在其他情况下趋势或可能是复杂和非线性的关系,在这种情况下semi-parametric如平滑或样条函数方法是有用的。教师正在开发方法等情况下退出模式,以复杂的方式取决于病人的健康状态在艾滋病毒/艾滋病的研究。