Salta al contenuto
VuFind
  • Entra
    • English
    • Deutsch
    • Español
    • Français
    • Italiano
Avanzata
  • Citazione
  • Invia SMS
  • Invia email
  • Stampa
  • Esporta il record
    • Esporta a RefWorks
    • Esporta a EndNoteWeb
    • Esporta a EndNote
  • Aggiungi alla lista
  • PLink permanente
Copertina

Salvato in:
Dettagli Bibliografici
Autori principali: Kundu, Ritoban, Shi, Xu, Kleinsasser, Michael, Fritsche, Lars G., Salvatore, Maxwell, Mukherjee, Bhramar
Natura: Preprint
Pubblicazione: 2024
Soggetti:
Methodology
Accesso online:https://arxiv.org/abs/2412.00228
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
  • Posseduto
  • Descrizione
  • Sommario
  • Commenti
  • Documenti analoghi
  • MARC21

Accesso online

https://arxiv.org/abs/2412.00228

Documenti analoghi

  • Joint Modeling of Longitudinal EHR Data with Shared Random Effects for Informative Visiting and Observation Processes
    di: Yang, Cheng-Han, et al.
    Pubblicazione: (2026)
  • Doubly robust causal inference through penalized bias-reduced estimation: combining non-probability samples with designed surveys
    di: Du, Jiacong, et al.
    Pubblicazione: (2024)
  • A new statistical approach for joint modeling of longitudinal outcomes measured in electronic health records with clinically informative presence and observation processes
    di: Du, Jiacong, et al.
    Pubblicazione: (2024)
  • Network Structural Equation Models for Causal Mediation and Spillover Effects
    di: Kundu, Ritoban, et al.
    Pubblicazione: (2024)
  • Data Integration for Estimating Subgroup-Specific Conditional Average Treatment Effects (CATEs) Using Coarsened External Information in Randomized Trials
    di: Yang, Youqi, et al.
    Pubblicazione: (2026)

Opzioni di ricerca

  • Ultime ricerche
  • Ricerca avanzata

Cerca

  • Scorri il catalogo
  • Scorri in ordine alfabetico
  • Esplora selezioni
  • Materiali riservati (per i corsi)
  • Nuovi documenti

Serve aiuto?

  • Suggerimenti per la ricerca
  • Chiedi al bibliotecario
  • FAQ