predictive modeling

4 items

RESEARCHarXiv CS.AI·il y a 21h

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

Cette recherche vise à reconstruire et prévoir les trajectoires de la maladie d'Alzheimer en utilisant des données de routine dans des contextes à ressources limitées. Elle propose un cadre unifié pour la prédiction bidirectionnelle des scores cognitifs à partir de visites irrégulières, permettant l'interpolation et l'extrapolation, et fournissant des estimations d'incertitude calibrées.

forecasting disease progression Alzheimer's disease predictive modeling

RESEARCHarXiv CS.LG·08/05/2026

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

Cette étude exploite les données longitudinales des dossiers de santé électroniques (DSE) à l'échelle nationale du programme All of Us pour prédire le diagnostic de rhinosinusite chronique (RSC) à l'aide de deux ans d'historique pré-diagnostique. Elle met en œuvre un pipeline hybride de sélection de caractéristiques pour gérer la parcimonie et la dimensionnalité des données, visant à dépasser les limites des cohortes institutionnelles uniques et à améliorer la généralisabilité au niveau de la population.

Healthcare predictive modeling chronic rhinosinusitis medical research

RESEARCHarXiv CS.LG·27/04/2026

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

Cette recherche propose une méthode pour détecter l'érosion transitoire de liquidité ("quotes qui s'effritent") dans les carnets d'ordres électroniques, en la distinguant entre retrait mécanique et repricing informationnel. En utilisant le simulateur ABIDES pour la vérité terrain, un modèle neuronal est développé qui surpasse significativement les bases de référence dans l'identification de ces événements dans diverses conditions de marché.

neural networks machine learning predictive modeling Financial Markets

RESEARCHarXiv CS.LG·04/05/2026

Smart Ensemble Learning Framework for Predicting Groundwater Heavy Metal Pollution

Cette étude développe un cadre prédictif pour modéliser l'Indice de Pollution par les Métaux Lourds (HPI) dans les eaux souterraines, intégrant des transformations de réponse avec un apprentissage automatique en ensemble validé par validation croisée imbriquée. Elle vise à surmonter les défis posés par la complexité statistique et l'hétérogénéité spatiale des contaminants qui affectent les méthodes de prédiction conventionnelles.

ensemble learning heavy metal contamination machine learning predictive modeling