会员服务
相关系数 · Principle · 应用统计 ·
2021 年 3 月 13 日
Closed testing procedures for treatment-versus-control comparisons and multiple correlated endpoint
翻译：用于治疗-反对控制比较和多个相关端点的封闭测试程序
Ludwig A. Hothorn,Siegfried Kropf
Ludwig A. Hothorn,Siegfried Kropf
from arxiv, 12 tables

Preferably in two- or three-arm randomized clinical trials, a few (2,3) correlated multiple primary endpoints are considered. In addition to the closed testing principle based on different global tests, two max(maxT) tests are compared with respect to any-pairs, all-pairs and individual power in a simulation study.


翻译：在两次或三次随机随机临床试验中,最好考虑几个相关的多个初级端点(2,3个),除了基于不同全球试验的封闭测试原则外,在模拟研究中将两个最大(最大)测试与任何孔、全孔和个人功率进行比较。
0
下载
关闭预览

相关内容

INRIA最新「机器学习理论」新书，229页pdf原理性阐述机器学习
INRIA最新「机器学习理论」新书，229页pdf原理性阐述机器学习
专知会员服务
68+阅读 · 2021年3月27日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
79+阅读 · 2020年7月26日
【普林斯顿大学-微软】加权元学习，Weighted Meta-Learning
【普林斯顿大学-微软】加权元学习，Weighted Meta-Learning
专知会员服务
40+阅读 · 2020年3月25日
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
专知会员服务
77+阅读 · 2020年2月8日
【论文推荐WWW2020-UIUC】修正排序系统中的选择偏差：Correcting for Selection Bias in Learning-to-rank Systems
【论文推荐WWW2020-UIUC】修正排序系统中的选择偏差：Correcting for Selection Bias in Learning-to-rank Systems
专知会员服务
32+阅读 · 2020年2月1日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
48+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
35+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
58+阅读 · 2019年10月17日
2019年机器学习框架回顾
2019年机器学习框架回顾
专知会员服务
36+阅读 · 2019年10月11日
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
专知会员服务
83+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Hierarchical Imitation - Reinforcement Learning
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】深度学习情感分析综述
【推荐】深度学习情感分析综述
机器学习研究会
58+阅读 · 2018年1月26日
【推荐】RNN/LSTM时序预测
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Model-Contrastive Federated Learning
Arxiv
10+阅读 · 2021年3月30日
ASLFeat: Learning Local Features of Accurate Shape and Localization
Arxiv
6+阅读 · 2020年3月23日
Area Attention
Area Attention
Arxiv
5+阅读 · 2019年5月23日
MedGCN: Graph Convolutional Networks for Multiple Medical Tasks
Arxiv
8+阅读 · 2019年3月31日
Generalization and Regularization in DQN
Generalization and Regularization in DQN
Arxiv
6+阅读 · 2019年1月30日
Hierarchical Deep Multiagent Reinforcement Learning
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
Supervised classification of Dermatological diseases by Deep learning
Supervised classification of Dermatological diseases by Deep learning
Arxiv
4+阅读 · 2018年7月31日
Learning to Adapt: Meta-Learning for Model-Based Control
Arxiv
9+阅读 · 2018年3月30日
Improving Multiple Object Tracking with Optical Flow and Edge Preprocessing
Arxiv
10+阅读 · 2018年1月29日
Geometry in Active Learning for Binary and Multi-class Image Segmentation
Arxiv
9+阅读 · 2018年1月16日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
相关系数
Principle
应用统计
相关VIP内容
INRIA最新「机器学习理论」新书，229页pdf原理性阐述机器学习
INRIA最新「机器学习理论」新书，229页pdf原理性阐述机器学习
专知会员服务
68+阅读 · 2021年3月27日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
79+阅读 · 2020年7月26日
【普林斯顿大学-微软】加权元学习，Weighted Meta-Learning
【普林斯顿大学-微软】加权元学习，Weighted Meta-Learning
专知会员服务
40+阅读 · 2020年3月25日
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
【新书：机器学习简介】《A Concise Introduction to Machine Learning》by A.C. Faul (CRC 2019)
专知会员服务
77+阅读 · 2020年2月8日
【论文推荐WWW2020-UIUC】修正排序系统中的选择偏差：Correcting for Selection Bias in Learning-to-rank Systems
【论文推荐WWW2020-UIUC】修正排序系统中的选择偏差：Correcting for Selection Bias in Learning-to-rank Systems
专知会员服务
32+阅读 · 2020年2月1日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
48+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
35+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
58+阅读 · 2019年10月17日
2019年机器学习框架回顾
2019年机器学习框架回顾
专知会员服务
36+阅读 · 2019年10月11日
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
专知会员服务
83+阅读 · 2019年10月9日
热门VIP内容
相关资讯
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
Hierarchical Imitation - Reinforcement Learning
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【推荐】深度学习情感分析综述
【推荐】深度学习情感分析综述
机器学习研究会
58+阅读 · 2018年1月26日
【推荐】RNN/LSTM时序预测
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
相关论文
Model-Contrastive Federated Learning
Arxiv
10+阅读 · 2021年3月30日
ASLFeat: Learning Local Features of Accurate Shape and Localization
Arxiv
6+阅读 · 2020年3月23日
Area Attention
Area Attention
Arxiv
5+阅读 · 2019年5月23日
MedGCN: Graph Convolutional Networks for Multiple Medical Tasks
Arxiv
8+阅读 · 2019年3月31日
Generalization and Regularization in DQN
Generalization and Regularization in DQN
Arxiv
6+阅读 · 2019年1月30日
Hierarchical Deep Multiagent Reinforcement Learning
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
Supervised classification of Dermatological diseases by Deep learning
Supervised classification of Dermatological diseases by Deep learning
Arxiv
4+阅读 · 2018年7月31日
Learning to Adapt: Meta-Learning for Model-Based Control
Arxiv
9+阅读 · 2018年3月30日
Improving Multiple Object Tracking with Optical Flow and Edge Preprocessing
Arxiv
10+阅读 · 2018年1月29日
Geometry in Active Learning for Binary and Multi-class Image Segmentation
Arxiv
9+阅读 · 2018年1月16日
Top
微信扫码咨询专知VIP会员
Top