Boosting Copulas - Multivariate Verteilungsregression in der Digitalen Medizin.

Klassische Regressionsmodelle liefern h?ufig eine zu sehr vereinfachte Sicht auf komplexe Zusammenh?nge für kontempor?re Fragestellungen in der Biomedizin. Insbesondere sind m?gliche Assoziationen zwischen multiplen klinischen Endpunkten bei der Modellierung ad?quat zu berücksichtigen. Die klassische separate Modellierung verschiedener Zielgr??en ist in vielen F?llen ineffizient und kann sogar zu verzerrten Ergebnissen und falschen bzw. unvollst?ndigen Schlussfolgerungen führen. Dieser Herausforderung m?chten sich die beiden Projektpartner stellen und ihre komplement?ren Vorarbeiten nutzen, um neuartige Copula-Regressionsmodelle zur Analysehoch-dimensionale biomedizinische Fragestellungen zu etablieren. Die zu entwickelnden Methoden erlauben es, mehrere Studien-Endpunkte simultan zu modellieren und dabei die dafür n?tigen Einflussgr??en und Risikofaktoren aus potentiell hoch-dimensionalen Daten über Algorithmen des statistischen Lernens zu selektieren. Die daraus resultierenden Modelle k?nnen sowohl für die Interpretation und Analyse komplexer Assoziationsstrukturen als auch für die Prognose-Inferenz (simultane Prognoseintervalle für mehrere Zielgr??en) verwendet werden. Zus?tzliche Implementierung in frei verfügbarer Software und deren Anwendungen in verschiedenen Studien (z.B. zu Essst?rung oder Schizophrenie) unterstreichen das Potential und den Beitrag dieses Projektes für die methodischen Herausforderungen des Zukunftsfeldes Digitale Medizin.