新闻

新闻

您当前的位置: 新闻
“第十三届临床医学研究中的统计方法学术研讨会”在中国人民大学成功举办
时间:2019-12-17

  2019年12月14日,“第十三届临床医学研究中的统计方法学术研讨会”在中国人民大学成功举办。会议邀请了美国乔治华盛顿大学统计系胡飞芳教授、美国明尼苏达大学统计学院杨宇泓教授、美国乔治梅森大学William F. Rosenberger教授、上海财经大学统计与管理学院刘旭副教授、诺和诺德(中国)制药有限公司高级统计经理陈睿、中国人民大学师资博士后廖军、范新妍进行专题报告,来自全国各高校、医院和企业界的100余位专家学者和学生代表参加了会议。

 


  12月14日上午,中国人民大学统计学院院长王晓军教授为会议作开幕式致辞,对与会者的到来表示热烈的欢迎。研讨会首先由美国乔治华盛顿大学统计系胡飞芳教授报告,胡飞芳教授的报告主题为:New Adaptive Designs and Their Statistical Inference for Clinical Trials,他从协变量均衡的角度出发,提出了几种新的自适应设计方法,在线性模型的框架下,揭示了协变量调整设计与推断性质之间的关系,为理解和分析基于协变量调整随机化的比较研究提供了新的思路。

 


  美国明尼苏达大学统计学院杨宇泓教授围绕Goodness of Fit Testing for Binary Regression: How to Go beyond Hosmer–Lemeshow Test进行报告,他表示基于未分组数据的二元回归模型是一个常见又极具挑战性的问题,着重提出了两种新方法来解决该问题:其一是基于交叉验证的投票系统,其二是在增强功率的同时控制第一类错误的概率。

 


  美国乔治梅森大学教授William F. Rosenberger围绕Randomization: The Forgotten Component of the Randomized Clinical Trial进行报告,他表明随机化是临床试验的重要标志,但却经常被研究者忽略,对此,他简要介绍了随机化的基本原理并总结了一些简单方法来纠正这一疏忽。

 


  12月14日下午,上海财经大学统计与管理学院刘旭副教授以Applications of Tensor Decomposition to Multivariate Additive Models为题进行报告。刘旭副教授提出了基于张量的高维多元可加模型,该方法将模型系数视作三阶张量,并利用Tucker分解来减少张量中的参数个数,对高维多元可加模型进行了简约建模。




 诺和诺德(中国)制药有限公司高级统计经理陈睿围绕Case Studies of Multiplicity Adjustment in Clinical Trials进行报告。他首先展示了临床试验中药物研发的过程,表明大多数临床药物试验包含多个分析终点,然而随着试验中终点数量的增加,会出现多重性的问题,并简要介绍了处理多重性的统计方法及真实案例中这些方法的应用情况。



 中国人民大学师资博士后廖军以Corrected Mallows criterion for model averaging为题进行报告,他强调模型平均方法的一个重要问题是权重的选择,提出了一种基于小样本F分布的修正Mallows模型平均方法,在平方误差最小化的意义上,该方法具有渐近最优性。

 


  中国人民大学师资博士后范新妍围绕Conditional Score Matching for High-Dimensional Partial Graphical Models进行报告。她提出了不受标准化常数影响的高维局部图形模型的条件得分匹配,该方法具有较小的计算复杂度。此外,她还探索了两个扩展:iCSM和rCSM,以纳入更多信息和适应更广泛的分布。至此,本届临床医学研究中的统计方法学术研讨会圆满落下帷幕。


 


  本届研讨会促进了国际生物医学统计知名专家与国内青年学者的交流互动,希望通过大家的不懈追求和努力,一起推动中国生物医学统计事业的发展。