Джеймс Робинс

редактировать
Джеймс М. Робинс
James Robins.jpg Робинс в Институте математических исследований Обервольфаха в 2012 году
НациональностьАмериканец
Alma materВашингтонский университет в Сент-Луисе. Гарвардский университет
НаградыНатан Мантел Премия (2013)
Научная карьера
ФилдсЭпидемиология
УчрежденияГарвардская школа общественного здравоохранения

Джеймс М. Робинс - эпидемиолог и биостатист, наиболее известный своими передовыми методами получения причинно-следственных выводов из комплексных наблюдательных исследований и рандомизированных исследований, особенно те, в которых лечение меняется со временем. В 2013 г. он получил награду Натана Мантела за достижения в области статистики и эпидемиологии.

Он окончил медицину в Вашингтонском университете в Сент-Луисе в 1976 году. В настоящее время он является профессором эпидемиологии Митчелла Л. и Робина Лафоли Донга в Гарварде. TH Школа общественного здравоохранения Чан. Он опубликовал более 100 статей в академических журналах и является высокоцитируемым исследователем ISI.

Содержание
  • 1 Биография
  • 2 Исследования
  • 3 Избранные публикации
  • 4 Примечания
  • 5 Источники
Биография

Робинс посещал Гарвардский колледж с классом 1971 года, концентрируясь на математике и философии. Он был избран в Фи Бета Каппа в младшем классе, но не получил высшее образование. Он поступил на медицинский факультет Вашингтонского университета и несколько лет практиковал медицину труда. Работая в сфере медицины труда, он посещал базовые курсы по прикладной медицинской статистике в Йельской школе общественного здравоохранения, но быстро пришел к выводу, что использовавшаяся в то время методология была недостаточно строгой для обоснования причинных выводов.

Исследование

В 1986 году Робинс опубликовал статью «Новый подход к причинно-следственным выводам в исследованиях смертности», в которой была представлена ​​новая структура для вывода причинно-следственных связей из данных наблюдений. В этой и других статьях, опубликованных примерно в то же время, Робинс показал, что в неэкспериментальных данных экспозиция почти всегда зависит от времени, и поэтому стандартные методы, такие как регрессия, почти всегда смещены. Эта структура математически очень тесно связана с графической структурой Judea Pearl «Модели непараметрических структурных уравнений», которую Перл независимо разработал вскоре после этого.

В своей оригинальной статье о причинном выводе Робинс описал два новых метода контроля искажающей систематической ошибки, которые могут применяться в обобщенных условиях зависимых от времени воздействий: G-формула и G-оценка структурных вложенных Модели. Позже он представил третий класс моделей, модели маргинальной структуры, в которых параметры оцениваются с использованием обратной вероятности весов лечения. Он также внес значительный вклад в теорию динамических режимов лечения, которые имеют большое значение в исследованиях сравнительной эффективности и персонализированной медицине. Вместе с Андреа Ротницки и другими коллегами он представил двойные надежные оценки (полученные из функций влияния) для статистических параметров в причинно-следственных выводах и проблемах с отсутствием данных. В 2008 году он также разработал теорию функций влияния высшего порядка для статистической функциональной оценки с сотрудниками, включая Линглинга Ли, Эрика Тчетгена Тчетгена и Аада ван дер Ваарта.

Избранные публикации
  • Робинс, Дж. М. (1989). «Контроль смешения промежуточными переменными». Статистика в медицине. 8 (6): 679–701. doi : 10.1002 / sim.4780080608. PMID 2749074.
  • Robins, J.M.; Циатис, А.А. (1991). «Исправление несоответствий в рандомизированных испытаниях с использованием моделей времени отказа конструкции с сохранением ранга». Коммуникации в статистике - теория и методы. 20 (8): 2609–2631. doi : 10.1080 / 03610929108830654.
  • Робинс, Дж. М. (1994). «Исправление несоответствия в рандомизированных испытаниях с использованием структурных вложенных средних моделей». Коммуникации в статистике - теория и методы. 23 (8): 2379–2412. doi : 10.1080 / 03610929408831393.
  • Робинс, Дж. М. (1997). «Причинно-следственный вывод из сложных продольных данных». В М. Беркане (ред.). Моделирование скрытых переменных и приложения к причинно-следственной связи. Конспект лекций по статистике. 120 . Спрингер-Верлаг. стр. 69–117.
  • Robins, J.M.; Ритов, Ю. (1997). "К проклятию подходящей размерности (CODA) асимптотическая теория для полупараметрических моделей". Статистика в медицине. 16 (3): 285–319. doi : 10.1002 / (SICI) 1097-0258 (19970215) 16: 3 <285::AID-SIM535>3.3.CO; 2-R. PMID 9004398.
  • Робинс, Дж. М. (1998). «Исправление несоответствия в испытаниях на эквивалентность». Статистика в медицине. 17 (3): 269–302. doi : 10.1002 / (SICI) 1097-0258 (19980215) 17: 3 <269::AID-SIM763>3.0.CO; 2-J. PMID 9493255.
  • Робинс, J.M.; Hernan, M.A.; Брамбэк, Б. (2000). «Маргинальные структурные модели и причинный вывод в эпидемиологии». Эпидемиология. 11(5): 550–560. CiteSeerX 10.1.1.116.7039. doi : 10.1097 / 00001648-200009000-00011. JSTOR 3703997. PMID 10955408.
  • van der Laan, M.J.; Робинс, Дж. М. (2003). Единые методы для цензуры продольных данных и причинно-следственной связи. Серия Спрингера в статистике. Спрингер. ISBN 978-0-387-95556-8.
Примечания
Ссылки
Последняя правка сделана 2021-05-24 13:45:49
Содержание доступно по лицензии CC BY-SA 3.0 (если не указано иное).
Обратная связь: support@alphapedia.ru
Соглашение
О проекте