A new method for augmenting short time series, with application to pain events in sickle cell disease
短时间序列增广新方法及其在镰状细胞病疼痛事件中的应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究短时间序列增广和事件过程建模，提供时间序列方法依据，具体应用为医疗数据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
短时间序列增广新方法及其在镰状细胞病疼痛事件中的应用
- 研究问题
- 当单条时间序列过短或事件稀疏时，能否结合统计性质相似的多条序列，改善参数估计和模型选择的可靠性？
- 方法与思路
- 作者提出合并多组稀疏时间序列的数据增广方法，以 Hawkes 与 Poisson 过程比较开展验证，再应用于患者疼痛事件。
- 材料陈述的贡献
- 摘要称，所提方法利用序列间共享的统计性质改善估计和模型选择，并以镰状细胞病患者的主观疼痛动态展示应用。
- 阅读关注点
- 核对统计性质相似的判据、序列拼接或增广方式，以及边界事件、个体异质性和验证研究中的误差评价标准。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验；摘要未说明增广算法、相似性检验或改善幅度，不能判断其一般适用性。
原文摘要
Researchers across different fields, including but not limited to ecology, biology, and healthcare, often face the challenge of sparse data. Such sparsity can lead to uncertainties, estimation difficulties, and potential biases in modeling. Here we introduce a novel data augmentation method that combines multiple sparse time series datasets when they share similar statistical properties, thereby improving parameter estimation and model selection reliability. We demonstrate the effectiveness of this approach through validation studies comparing Hawkes and Poisson processes, followed by application to subjective pain dynamics in patients with sickle cell disease (SCD), a condition affecting millions worldwide, particularly those of African, Mediterranean, Middle Eastern, and Indian descent.