本文提出了一种通过样本量调整来进行临床试验适应性的新方法，该方法可以基于辅助数据和主要测量变量来选择特定的子组，从而提高试验效率。

Nov, 2014

本文通过多臂赌博算法分析了在临床试验提前阶段寻找最佳剂量的问题，提出用Thompson Sampling原则作为算法实现。使用基于先验分布的Thompson Sampling算法在一些I期或I/II期试验中发现其表现优异。

Mar, 2019

该论文介绍了一种名为Safe Efficacy Exploration Dose Allocation(SEEDA)的自适应临床试验方法，其目的是在高概率满足毒性安全约束的情况下最大化累积有效性。在实验中发现，与现有的临床试验设计相比，SEEDA可以找到最佳的剂量，且成功率更高，需要更少的患者。

Jun, 2020

利用大规模电子病历数据，开展“目标试验”以预测和评估不同治疗方法下皮肤及皮肤结构感染患者的死亡率和个性化治疗效果，结果显示基于随机森林和支持向量机的机器学习模型表现最佳，推荐使用复杂的个性化治疗方案。

Jul, 2022

本研究介绍了BioDX，这是一个基于大量生物医学文献的药物不良事件抽取资源，旨在通过自然语言处理提高药品安全监测，并通过预测报告的核心信息来帮助专业PV评审员。

May, 2023

在快节奏的精准医学时代，观察性研究在正确评估临床实践中的新治疗方法中起着重要作用。然而，未观察到的混杂因素可能会严重影响从非随机数据中得出的因果结论。我们提出了一种新的策略，利用随机试验来量化未观察到的混杂因素。首先，我们设计了一个统计检验来检测强度高于给定阈值的未观察到的混杂因素。然后，我们使用该检验来估计一个渐近有效的下界，来度量未观察到的混杂因素的强度。我们在几个合成和半合成数据集上评估了我们统计检验的能力和有效性。此外，我们展示了如何使用我们的下界来正确识别现实世界中未观察到的混杂因素的存在和缺失。

Dec, 2023

稀缺资源分配政策的评估，采用随机对照试验数据，通过翻译和扩展最近的统计学思想提出了一种有效的估计方法和计算渐近正确置信区间的方法，验证其在实际环境中的方法学，提供先前不可见的结论。

Feb, 2024

通过设计统计检验以及估计观察性研究的最大偏差强度的下界，我们提出了一种超越平均治疗效应的实证研究比较方法，并在真实环境中验证了该方法的有效性，结果与现有医学知识相一致。

Apr, 2024

本研究针对估计自然实验中预先分配的处理效果所面临的不一致性问题，提出了一种新颖的数据集和基准评估方法。我们发现，双重稳健估计器在简单回归调整下的表现显著优于超过20种传统估计器，实现了更高的准确性，并基于基准构建了一种新的双重稳健估计器，推动了理论理解和实践应用。

Sep, 2024

本研究针对个体连续治疗与结果之间的剂量-反应关系，提出了一种新方法，以解决现有方法在不确定性量化方面的不足。我们将因果剂量-反应问题框架化为协变量转移，通过加权符合预测生成预测区间，结果显示该方法在生成稳健的预测区间方面具有显著意义，能够有效支持个性化医疗决策。

Sep, 2024