tag:peatix.com,2011:1 2024-06-28T16:25:44+09:00 Peatix 医療健康データ科学研究センター事務局 tag:peatix.com,2024:event-4036140 2024-07-16T15:30:00JST 2024-07-16T15:30:00JST

募集開始は7/1(月)12:00頃からとなります演題/Title「Dynamic Risk Prediction Using Survival Tree Ensembles」(英語講演)イベントデータに基づく動的生存予測と医療データへの応用～決定木のアンサンブル法～講演者LecturerSy-Han Chiou Department of Statistics and Data Science,Southern Methodist University, USA討論者Panelist   坂巻 顕太郎順天堂大学 健康データサイエンス学部/准教授  主催Organizer： 統計数理研究所 医療健康データ科学研究センター（ISM）Facilitator:　江村剛志 開催要項（募集開始は7/1（月）12:00頃からとなります）日　 時  ：2024年7月16日（火）15:30～16:50（15:00受付開始）会　 場  ：統計数理研究所　（現地開催、オンライン配信なし）募集人数：先着順50名　参加には事前登録が必要です。参加費無料申込締切：2024年7月11日（木）23:59  キャンセルについてチケットをキャンセルされる場合は統計数理研究所 医療健康データ科学研究センター事務局までPeatixのメッセージでご一報いただければ幸いです。Outline- Date: Tuesday, July 16, 2024　15:30-16:50- Venue: The Institute of Statistical Mathematics (ISM)　　　　　10-3 Midori-cho, Tachikawa, Tokyo 190-8562, Japan- Organizer: Research Center for Medical and Health Data Science, ISM   Mode: In-person- Audience: Accept pre-registered participants. Pre-registration is required starting around noon on 2024-7-1.         　Registration deadline is 2024-7-11.- Fee: free of charge- Chair: Takeshi Emura (ISM) Program15：00-15：30　 Reception　受付15：30-16：20　 Seminar by Dr. Chiou (Chair: Dr. Takeshi Emura)　Dr. Chiou 講演(司会：江村 剛志)16：20-16：30　 Q&A　質問・コメント16：30-16：50　 Discussion by Dr.Kentaro Sakamaki  指定討論(坂巻顕太郎)AbstractWith the availability of extensive data from electronic health records and registry databases, incorporating time-varying patient information to improve risk prediction has gained significant attention. We develop a unified, nonparametric framework using survival tree ensembles for landmark prediction to allow for updated predictions as new information becomes available. Our landmark prediction approach accommodates subject-specific landmark times triggered by clinical events, avoiding model incompatibility at different times. We propose a risk-set-based ensemble procedure to handle right censoring. The method is extended to recurrent event prediction, where we use gap time scales with episode-specific and global models, avoiding strong assumptions about future event risk dependencies. We address complexities like informative censoring and inter-event correlations through specialized algorithms. Extensive simulations show our methods' efficacy, with applications to the Cystic Fibrosis Foundation Patient Registry and SEER-Medicare data demonstrating improved dynamic predictions and accuracy in lung disease progression and breast cancer hospitalization, respectively. ご注意※お申し込み時に取得した情報は、当該講座への登録及び受講に関する連絡や、企業や個人を特定できない形で弊所講座・教材等の企画立案等のために利用することがあります。Peatix Japan(株)のシステムにアカウントを作成する際に入力する情報については同社のポリシーに従うものとします。