Zobrazeno 1 - 10
of 339
pro vyhledávání: '"Mathur, Maya B."'
Publikováno v:
In American Journal of Obstetrics & Gynecology MFM August 2024 6(8)
Autor:
Mathur, Maya B.1 (AUTHOR) mmathur@stanford.edu, Mathur, Vandana S.2 (AUTHOR)
Publikováno v:
BMC Medicine. 5/1/2024, Vol. 22 Issue 1, p1-4. 4p.
Unmeasured confounding, selection bias, and measurement error are well-known sources of bias in epidemiologic research. Methods for assessing these biases have their own limitations. Many quantitative sensitivity analysis approaches consider each typ
Externí odkaz:
http://arxiv.org/abs/2005.02908
Publikováno v:
In Global Epidemiology December 2023 5
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
de Vere Hunt, Isabella, Cai, Zhuo Ran, Nava, Vanessa, Admassu, Natnaelle E., Bousheri, Stephanie, Johnson, Tiffani, Tomz, Anna, Thompson, Jessica, Zhang, Lucy, Pagoto, Sherry, Wehner, Mackenzie R., Mathur, Maya B., Linos, Eleni
Publikováno v:
In AJPM Focus September 2023 2(3)
Publikováno v:
Journal of Modern Applied Statistical Methods, 19(1), eP3439 (2020)
Propensity score matching (PSM) has been widely used to mitigate confounding in observational studies, although complications arise when the covariates used to estimate the PS are only partially observed. Multiple imputation (MI) is a potential solut
Externí odkaz:
http://arxiv.org/abs/1904.07408
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
In this paper we propose a new template for empirical studies intended to assess causal effects: the outcome-wide longitudinal design. The approach is an extension of what is often done to assess the causal effects of a treatment or exposure using co
Externí odkaz:
http://arxiv.org/abs/1810.10164
Autor:
Montez-Rath, Maria E., Kapphahn, Kristopher, Mathur, Maya B., Purington, Natasha, Joyce, Vilija R., Desai, Manisha
Simulation studies are useful for evaluating and developing statistical methods for the analyses of complex problems. Performance of methods may be affected by multiple complexities present in real scenarios. Generating sufficiently realistic data fo
Externí odkaz:
http://arxiv.org/abs/1709.10074