• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

相似文献

1
Discussion of "Data-driven confounder selection via Markov and Bayesian networks" by Häggström.哈格斯特伦所著《通过马尔可夫和贝叶斯网络进行数据驱动的混杂因素选择》的讨论
Biometrics. 2018 Jun;74(2):403-406. doi: 10.1111/biom.12784. Epub 2017 Nov 2.
2
Discussion of "Data-driven confounder selection via Markov and Bayesian networks" by Jenny Häggström.珍妮·哈格斯特伦所著《通过马尔可夫和贝叶斯网络进行数据驱动的混杂因素选择》的讨论
Biometrics. 2018 Jun;74(2):399-402. doi: 10.1111/biom.12787. Epub 2017 Nov 2.
3
Data-driven confounder selection via Markov and Bayesian networks.通过马尔可夫和贝叶斯网络进行数据驱动的混杂因素选择。
Biometrics. 2018 Jun;74(2):389-398. doi: 10.1111/biom.12788. Epub 2017 Nov 2.
4
Rejoinder to Discussions on: Data-driven confounder selection via Markov and Bayesian networks.对关于“通过马尔可夫和贝叶斯网络进行数据驱动的混杂因素选择”讨论的回应
Biometrics. 2018 Jun;74(2):407-410. doi: 10.1111/biom.12783. Epub 2017 Nov 2.
5
Bayesian exponential random graph modelling of interhospital patient referral networks.医院间患者转诊网络的贝叶斯指数随机图建模
Stat Med. 2017 Aug 15;36(18):2902-2920. doi: 10.1002/sim.7301. Epub 2017 Apr 18.
6
Inferring Markov chains: Bayesian estimation, model comparison, entropy rate, and out-of-class modeling.推断马尔可夫链：贝叶斯估计、模型比较、熵率和类外建模。
Phys Rev E Stat Nonlin Soft Matter Phys. 2007 Jul;76(1 Pt 1):011106. doi: 10.1103/PhysRevE.76.011106. Epub 2007 Jul 12.
7
Bayesian hierarchical graph-structured model for pathway analysis using gene expression data.用于使用基因表达数据进行通路分析的贝叶斯分层图结构模型。
Stat Appl Genet Mol Biol. 2013 Jun;12(3):393-412. doi: 10.1515/sagmb-2013-0011.
8
Bayesian selection of Markov models for symbol sequences: application to microsaccadic eye movements.贝叶斯选择马尔可夫模型对符号序列进行建模：在微眼跳运动中的应用。
PLoS One. 2012;7(9):e43388. doi: 10.1371/journal.pone.0043388. Epub 2012 Sep 6.
9
Using complexity for the estimation of Bayesian networks.利用复杂性估计贝叶斯网络。
Stat Appl Genet Mol Biol. 2006;5:Article21. doi: 10.2202/1544-6115.1208. Epub 2006 Aug 31.
10
Probability, Statistics, and Computational Science.概率、统计与计算科学。
Methods Mol Biol. 2019;1910:33-70. doi: 10.1007/978-1-4939-9074-0_2.

引用本文的文献

1
Mapping the Genetic-Imaging-Clinical Pathway with Applications to Alzheimer's Disease.绘制基因-影像-临床路径及其在阿尔茨海默病中的应用
J Am Stat Assoc. 2022;117(540):1656-1668. doi: 10.1080/01621459.2022.2087658. Epub 2022 Jul 19.
2
A Review of Intelligent Fault Diagnosis for High-Speed Trains: Qualitative Approaches.高速列车智能故障诊断综述：定性方法
Entropy (Basel). 2020 Dec 22;23(1):1. doi: 10.3390/e23010001.

本文引用的文献

1
Data-driven confounder selection via Markov and Bayesian networks.通过马尔可夫和贝叶斯网络进行数据驱动的混杂因素选择。
Biometrics. 2018 Jun;74(2):389-398. doi: 10.1111/biom.12788. Epub 2017 Nov 2.
2
Outcome-adaptive lasso: Variable selection for causal inference.结果自适应套索：用于因果推断的变量选择
Biometrics. 2017 Dec;73(4):1111-1122. doi: 10.1111/biom.12679. Epub 2017 Mar 8.
3
Variable Selection for Confounder Control, Flexible Modeling and Collaborative Targeted Minimum Loss-Based Estimation in Causal Inference.因果推断中用于混杂因素控制、灵活建模及基于协作目标最小损失估计的变量选择
Int J Biostat. 2016 May 1;12(1):97-115. doi: 10.1515/ijb-2015-0017.
4
Respiratory health and disease in Europe: the new European Lung White Book.欧洲的呼吸健康与疾病：新的《欧洲肺部白皮书》
Eur Respir J. 2013 Sep;42(3):559-63. doi: 10.1183/09031936.00105513.
5
A new criterion for confounder selection.一种新的混杂因素选择标准。
Biometrics. 2011 Dec;67(4):1406-13. doi: 10.1111/j.1541-0420.2011.01619.x. Epub 2011 May 31.
6
Collaborative double robust targeted maximum likelihood estimation.协作双稳健靶向最大似然估计
Int J Biostat. 2010 May 17;6(1):Article 17. doi: 10.2202/1557-4679.1181.

Discussion of "Data-driven confounder selection via Markov and Bayesian networks" by Häggström.

作者信息

Richardson Thomas S, Robins James M, Wang Linbo

机构信息

Department of Statistics, University of Washington, Seattle, Washington 98195, U.S.A.

Department of Biostatistics, Harvard School of Public Health, 677 Huntington Ave., Boston, Massachusetts 02115, U.S.A.

出版信息

Biometrics. 2018 Jun;74(2):403-406. doi: 10.1111/biom.12784. Epub 2017 Nov 2.

DOI:10.1111/biom.12784
PMID:29096050
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC5932283/
Abstract
摘要