predictive modeling

4 items

RESEARCHarXiv CS.AI·hace 21h

Reconstructing and forecasting disease trajectories of patients with Alzheimer's disease using routine data in resource-constrained settings

Esta investigación busca reconstruir y pronosticar las trayectorias de la enfermedad de Alzheimer utilizando datos rutinarios en entornos con recursos limitados. Propone un marco unificado para la predicción bidireccional de puntuaciones cognitivas a partir de visitas irregulares, permitiendo interpolación y extrapolación, y ofreciendo estimaciones de incertidumbre calibradas.

forecasting disease progression Alzheimer's disease predictive modeling

RESEARCHarXiv CS.LG·8/5/2026

Nationwide EHR-Based Chronic Rhinosinusitis Prediction Using Demographic-Stratified Models

Este estudio utiliza datos longitudinales de historiales médicos electrónicos (HME) a nivel nacional del programa All of Us para predecir el diagnóstico de rinosinusitis crónica (RSC) utilizando un historial predianóstico de dos años. Implementa un pipeline híbrido de selección de características para abordar la escasez y dimensionalidad de los datos, buscando superar las limitaciones de las cohortes de una sola institución y mejorar la generalizabilidad a nivel poblacional.

Healthcare predictive modeling chronic rhinosinusitis medical research

RESEARCHarXiv CS.LG·27/4/2026

When Quotes Crumble: Detecting Transient Mechanical Liquidity Erosion in Limit Order Books

Esta investigación propone un método para detectar la erosión transitoria de liquidez ("cotizaciones que se desmoronan") en libros de órdenes electrónicos, distinguiéndola entre retirada mecánica y repricing informacional. Utilizando el simulador ABIDES para datos de verdad fundamental, se desarrolla un modelo neuronal que supera significativamente a las líneas base en la identificación de estos eventos en diversas condiciones de mercado.

neural networks machine learning predictive modeling Financial Markets

RESEARCHarXiv CS.LG·4/5/2026

Smart Ensemble Learning Framework for Predicting Groundwater Heavy Metal Pollution

Este estudio desarrolla un marco predictivo para modelar el Índice de Contaminación por Metales Pesados (HPI) en aguas subterráneas, integrando transformaciones de respuesta con aprendizaje automático de conjunto anidado y validado de forma cruzada. El objetivo es superar los desafíos de la complejidad estadística y la heterogeneidad espacial de los contaminantes que afectan a los métodos de predicción convencionales.

ensemble learning heavy metal contamination machine learning predictive modeling