Unsere aktuellen Forschungsprojekte behandeln verschiedene Aspekte der statistischen Modellierung von medizinischen Daten.

STRATOS – in dieser internationalen Initiative werden Methoden zur Analyse von Beobachtungsdaten untersucht. Mitglieder aus unserem Team: Georg Heinze, Daniela Dunkler, Christine Wallisch, Michael Kammer

SAMBA – in diesem vom FWF und der DFG geförderten bilateralen Forschungsprojekt werden multivariable Modellierungsmethoden für die Kardiologie untersucht. Projektleiterin: Daniela Dunkler

COVID-PRECISE – mit einem 'lebendigen systematischen Review' werden von einem internationalen Konsortium von ExpertInnen in der Prognoseforschung Modelle zur Vorhersage und Diagnostik von COVID-19 erfasst und bewertet. Mitglieder aus unserem Team: Georg Heinze, Christine Wallisch, Maria Haller, Michael Kammer

CaReSyAn – in diesem von der EU geförderten Innovative Training Network werden statistische Modelle zur Evaluierung von Proteomics als Prädiktoren von nephrologischen und kardiologischen Endpunkten untersucht. Projektleiter: Georg Heinze

SurvivalBenefit – in diesem von der Österreichischen Nationalbank geförderten Projekt verwenden wir neueste Methoden der kausalen Inferenz, um den Überlebensvorteil durch Nierentransplantation zu untersuchen. Projektleiterin: Maria Haller

PREMA – in diesem vom FWF und dem ARRS geförderten bilateralen Forschungsprojekt werden Modelle und Validierung von Vorhersagemodellen für seltene Ereignisse untersucht. Beispiele aus diesem Projekt finden sich in der Beschreibung der Softwarepakete zur Firth-correction. Projektleiter: Georg Heinze

Variablenselektion und Shrinkage – die Selektion von Variablen für multivariable Modelle und Methoden zur Korrektur der dadurch implizierten Überanpassung wurden in Reviewartikeln (Heinze_et_al- BiomJ; Heinze_et_Dunkler-Transpl Int) sowie in den Projekten ABE und shrink behandelt.

Lebensdaueranalyse – bei vielen medizinischen Fragestellungen ist die Analyse des Überlebens von Interesse. Diese Fragestellungen stimulieren auch unsere eigene methodische Forschung. Beispiele finden sich in der Beschreibung der Softwarepakete kmdiff, SurvCorr, PSHREG, WCM, concreg, compass, XLINRANK, sures, rcs.

Erklärte Variabilität misst den relativen Zuwachs in prädiktiver Genauigkeit durch Hinzunahme von prognostischen Faktoren. Beispiele von Projekten dazu finden sich in der Beschreibung der Softwarepakte NecSuff, pev_frailty, RELIMP, surev, R2POI, EVLOGIST, Kent&O'Quigley, MULTIMP.

Hochdimensionale Daten – Tests für hochdimensionale Daten wurden in den Projekten lim.lrt und t.opt behandelt.