Subgroup analyses and investigations of treatment effect heterogeneity in clinical dose-finding trials
- Standort
-
Deutsche Nationalbibliothek Frankfurt am Main
- Umfang
-
Online-Ressource
- Sprache
-
Englisch
- Anmerkungen
-
Dortmund, Technische Universität, Dissertation, 2019
- Schlagwort
-
Trials
Clinical trials
Arzneimittelentwicklung
Stichprobe
Resampling
Bias
Regressionsmodell
Dosis-Wirkungs-Beziehung
- Ereignis
-
Veröffentlichung
- (wo)
-
Dortmund
- (wer)
-
Universitätsbibliothek Dortmund
- (wann)
-
2019
- Urheber
- Beteiligte Personen und Organisationen
-
Ickstadt, Katja
Rahnenführer, Jörg
- Handle
-
2003/37948
- URN
-
urn:nbn:de:101:1-2019032202433702591086
- Rechteinformation
-
Der Zugriff auf das Objekt ist unbeschränkt möglich.
- Letzte Aktualisierung
-
14.08.2025, 10:57 MESZ
Datenpartner
Dieses Objekt wird bereitgestellt von:
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Deutsche Nationalbibliothek. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Beteiligte
- Thomas, Marius
- Ickstadt, Katja
- Rahnenführer, Jörg
- Universitätsbibliothek Dortmund
Entstanden
- 2019
Ähnliche Objekte (12)
Weighted Cox regression for the prediction of heterogeneous patient subgroups
Improving adaptive seamless designs through Bayesian optimization
Hybrid clustering for microarray image analysis combining intensity and shape features
Statistische Analyse und Modellierung von Clusterphänomenen bei Signalproteinen in der Plasmamembran
Klassifikation von Brustkrebspatientinnen anhand vorausgewählter Gene mit charakteristischer Expressionsverteilung
Statistische Analyse von MCC-IMS-Messungen
Improving adaptive seamless designs through Bayesian optimization
Schätzung des Hazard-Ratios in zweiarmigen Überlebenszeitstudien
Vorhersage der Überlebenswahrscheinlichkeit für Patientenuntergruppen mit hochdimensionalen Daten am Beispiel zweier Lungenkrebskohorten
Analyzing consistency and statistical inference in Random Forest models
Discovering genetic interactions based on natural genetic variation
Methods to characterize the behaviour of optimization algorithms
Weighted Cox regression for the prediction of heterogeneous patient subgroups
Improving adaptive seamless designs through Bayesian optimization
Hybrid clustering for microarray image analysis combining intensity and shape features
Statistische Analyse und Modellierung von Clusterphänomenen bei Signalproteinen in der Plasmamembran
Klassifikation von Brustkrebspatientinnen anhand vorausgewählter Gene mit charakteristischer Expressionsverteilung
Statistische Analyse von MCC-IMS-Messungen
Improving adaptive seamless designs through Bayesian optimization
Schätzung des Hazard-Ratios in zweiarmigen Überlebenszeitstudien
Vorhersage der Überlebenswahrscheinlichkeit für Patientenuntergruppen mit hochdimensionalen Daten am Beispiel zweier Lungenkrebskohorten
Analyzing consistency and statistical inference in Random Forest models
Discovering genetic interactions based on natural genetic variation
Methods to characterize the behaviour of optimization algorithms
Weighted Cox regression for the prediction of heterogeneous patient subgroups
Improving adaptive seamless designs through Bayesian optimization
Hybrid clustering for microarray image analysis combining intensity and shape features
Statistische Analyse und Modellierung von Clusterphänomenen bei Signalproteinen in der Plasmamembran
Klassifikation von Brustkrebspatientinnen anhand vorausgewählter Gene mit charakteristischer Expressionsverteilung
Statistische Analyse von MCC-IMS-Messungen
Improving adaptive seamless designs through Bayesian optimization
Schätzung des Hazard-Ratios in zweiarmigen Überlebenszeitstudien
Vorhersage der Überlebenswahrscheinlichkeit für Patientenuntergruppen mit hochdimensionalen Daten am Beispiel zweier Lungenkrebskohorten
Analyzing consistency and statistical inference in Random Forest models
Discovering genetic interactions based on natural genetic variation