10
个编辑
更改
跳到导航
跳到搜索
第54行：
第54行： + + + + 第59行：
第63行： + + 第64行：
第70行： − + + + + + + + + + 第71行：
第85行： + + 第86行：
第102行： + + + + + + 第135行：
第157行： + + + +
无编辑摘要
'''<font color = '#ff8000'>流行病学Epidemiology</font>'''研究特定生物群体的健康和疾病'''<font color = '#ff8000'>模式patterns</font>'''，以推断原因和结果。'''<font color = '#ff8000'>暴露exposure </font>'''于一般认为的'''<font color = '#ff8000'>危险因素risk factor</font>'''和疾病之间的联系可能被提出，但不等同于确认因果关系，因为相关不意味着因果。从历史上看，'''<font color = '#ff8000'>科赫法则 Koch's postulates</font>'''从19世纪开始就被用来判断一种微生物是否是一种疾病的原因。在20世纪，'''<font color = '#ff8000'>布拉德福德·希尔准则Bradford Hill criteria</font>'''（参见Bradford Hill 1965年的文章<ref name="bh65"></ref>中）已经被用来评估微生物学之外的变量的因果关系，尽管即使是这些标准也不是确定因果关系的唯一方法。
'''<font color = '#ff8000'>流行病学Epidemiology</font>'''研究特定生物群体的健康和疾病'''<font color = '#ff8000'>模式patterns</font>'''，以推断原因和结果。'''<font color = '#ff8000'>暴露exposure </font>'''于一般认为的'''<font color = '#ff8000'>危险因素risk factor</font>'''和疾病之间的联系可能被提出，但不等同于确认因果关系，因为相关不意味着因果。从历史上看，'''<font color = '#ff8000'>科赫法则 Koch's postulates</font>'''从19世纪开始就被用来判断一种微生物是否是一种疾病的原因。在20世纪，'''<font color = '#ff8000'>布拉德福德·希尔准则Bradford Hill criteria</font>'''（参见Bradford Hill 1965年的文章<ref name="bh65"></ref>中）已经被用来评估微生物学之外的变量的因果关系，尽管即使是这些标准也不是确定因果关系的唯一方法。
--ZC(讨论) 【审校】“的联系可能被提出，但不等同于确认因果关系”一句改为，“可能存在关联，但不等于确定因果关系”
--ZC(讨论) 【审校】“从19世纪开始”将此短语提至“科赫法则”之前。
--ZC(讨论) 【审校】“疾病的原因”一词改为“疾病病因”
--ZC(讨论) 【审校】“尽管即使是这些标准也不是确定因果关系的唯一方法”一句中去掉“即使”
In [[molecular epidemiology]] the phenomena studied are on a [[molecular biology]] level, including genetics, where [[biomarkers]] are evidence of cause or effects.
In [[molecular epidemiology]] the phenomena studied are on a [[molecular biology]] level, including genetics, where [[biomarkers]] are evidence of cause or effects.
'''<font color = '#ff8000'>分子流行病学molecular epidemiology</font>'''中研究的现象是在'''<font color = '#ff8000'>分子生物学</font>'''水平上的，也涵盖了遗传学。而遗传学中的'''<font color = '#ff8000'>生物标志物biomarkers</font>'''就是原因或结果的证据。
'''<font color = '#ff8000'>分子流行病学molecular epidemiology</font>'''中研究的现象是在'''<font color = '#ff8000'>分子生物学</font>'''水平上的，也涵盖了遗传学。而遗传学中的'''<font color = '#ff8000'>生物标志物biomarkers</font>'''就是原因或结果的证据。
--ZC(讨论) 【审校】“分子生物学”一词改成“生物分子”
--ZC(讨论) 【审校】“水平上的，也涵盖了遗传学。而遗传学中的”一句改为“水平上也涵盖了遗传学，而其中”
A recent trend{{when|date=August 2014}} is to identify [[evidence]] for influence of the exposure on [[molecular pathology]] within diseased [[Tissue (biology)|tissue]] or cells, in the emerging interdisciplinary field of [[molecular pathological epidemiology]] (MPE).{{third-party-inline|date=August 2014}} Linking the exposure to molecular pathologic signatures of the disease can help to assess causality. {{third-party-inline|date=August 2014}} Considering the inherent nature of [[heterogeneity]] of a given disease, the unique disease principle, disease phenotyping and subtyping are trends in biomedical and [[public health]] sciences, exemplified as [[personalized medicine]] and [[precision medicine]].{{third-party-inline|date=August 2014}}
A recent trend{{when|date=August 2014}} is to identify [[evidence]] for influence of the exposure on [[molecular pathology]] within diseased [[Tissue (biology)|tissue]] or cells, in the emerging interdisciplinary field of [[molecular pathological epidemiology]] (MPE).{{third-party-inline|date=August 2014}} Linking the exposure to molecular pathologic signatures of the disease can help to assess causality. {{third-party-inline|date=August 2014}} Considering the inherent nature of [[heterogeneity]] of a given disease, the unique disease principle, disease phenotyping and subtyping are trends in biomedical and [[public health]] sciences, exemplified as [[personalized medicine]] and [[precision medicine]].{{third-party-inline|date=August 2014}}
在新兴的'''<font color = '#ff8000'>分子病理流行病学molecular pathological epidemiology (MPE)</font>'''交叉学科领域，最近的一个趋势（截至2014年）是确定在病变组织或细胞内，'''<font color = '#ff8000'>暴露exposure </font>'''在'''<font color = '#ff8000'>分子病理学molecular pathology</font>'''上的影响。将暴露与疾病的分子病理特征联系起来可以帮助因果关系的评估。鉴于给定疾病的'''<font color = '#ff8000'>异质性</font>'''的固有特征、独特的疾病原理等，疾病'''<font color = '#ff8000'>表现型phenotyping</font>'''和'''<font color = '#ff8000'>亚型subtyping </font>'''现在是生物医学和'''<font color = '#ff8000'>公共卫生科学public health</font>'''的趋势，例证包括'''<font color = '#ff8000'>个体化医学personalized medicine</font>'''和'''<font color = '#ff8000'>精准医学precision medicine</font>'''等。
在新兴的'''<font color = '#ff8000'>分子病理流行病学molecular pathological epidemiology (MPE)</font>'''交叉学科领域，最近的一个趋势（截至2014年）是确定在病变组织或细胞内，'''<font color = '#ff8000'>暴露exposure </font>'''在'''<font color = '#ff8000'>分子病理学molecular pathology</font>'''上的影响。将暴露与疾病的分子病理特征联系起来可以帮助因果关系的评估。鉴于给定疾病的'''<font color = '#ff8000'>异质性</font>'''的固有特征、独特的疾病原理等，疾病'''<font color = '#ff8000'>表现型phenotyping</font>'''和'''<font color = '#ff8000'>亚型subtyping </font>'''现在是生物医学和'''<font color = '#ff8000'>公共卫生科学public health</font>'''的趋势，例证包括'''<font color = '#ff8000'>个体化医学personalized medicine</font>'''和'''<font color = '#ff8000'>精准医学precision medicine</font>'''等。
--ZC(讨论) 【审校】“暴露”改为“暴露迹象”
--ZC(讨论) 【审校】“上的影响”改为“影响的证据”
--ZC(讨论) 【审校】“将暴露”改为“将暴露迹象”
--ZC(讨论) 【审校】“因果关系的评估”改为“评估因果关系”
--ZC(讨论) 【审校】“给定疾病的”改为“特定疾病”
--ZC(讨论) 【审校】“独特的疾病原理等”改为“罕见的病理”
--ZC(讨论) 【审校】“现在是生物医学和”改为“是生物医学和”
--ZC(讨论) 【审校】“个体化医学”改为“私人医疗”
--ZC(讨论) 【审校】“精准医学”改为“精密医学”
==In computer science在计算机科学领域==
==In computer science在计算机科学领域==
确定两个时间独立变量：X 和 Y 的联合观测数据因果关系的问题已经被解决了，方法是利用 X → Y 和 Y → X 方向上某些模型的证据不对称性。主要的方法基于'''<font color = '#ff8000'>算法信息理论Algorithmic information theory</font>'''模型和'''<font color = '#ff8000'>噪声模型noise models</font>'''。
确定两个时间独立变量：X 和 Y 的联合观测数据因果关系的问题已经被解决了，方法是利用 X → Y 和 Y → X 方向上某些模型的证据不对称性。主要的方法基于'''<font color = '#ff8000'>算法信息理论Algorithmic information theory</font>'''模型和'''<font color = '#ff8000'>噪声模型noise models</font>'''。
--ZC(讨论) 【审校】“确定两个时间独立变量：X 和 Y 的联合观测数据因果关系的问题 已经被解决了，方法是利用 X → Y 和 Y → X 方向上某些模型的证据不对称性。”改为“由两个时间自变量，例如X,Y；联合观测数据来确定因果关系。已经被使用一些模型方向上证据的不对称性给解决了，例如：X → Y 和 Y → X 。”
* 用未压缩的 X 来存储 X 和压缩形式的 Y 。
* 用未压缩的 X 来存储 X 和压缩形式的 Y 。
--ZC(讨论) 【审校】“用未压缩的 X 来存储 X 和压缩形式的 Y ”改为“根据未压缩的Y存储Y和X的压缩型，根据未压缩的X存储X和Y的压缩型”
The shortest such program implies the uncompressed stored variable more-likely causes the computed variable.<ref>Kailash Budhathoki and Jilles Vreeken "[http://eda.mmci.uni-saarland.de/pubs/2016/origo-budhathoki,vreeken.pdf Causal Inference by Compression]" 2016 IEEE 16th International Conference on Data Mining (ICDM)</ref><ref>{{Cite journal |doi = 10.1007/s10115-018-1286-7|title = Telling cause from effect by local and global regression|journal = Knowledge and Information Systems|year = 2018|last1 = Marx|first1 = Alexander|last2 = Vreeken|first2 = Jilles|volume=60|issue = 3|pages=1277–1305|doi-access = free}}</ref>
The shortest such program implies the uncompressed stored variable more-likely causes the computed variable.<ref>Kailash Budhathoki and Jilles Vreeken "[http://eda.mmci.uni-saarland.de/pubs/2016/origo-budhathoki,vreeken.pdf Causal Inference by Compression]" 2016 IEEE 16th International Conference on Data Mining (ICDM)</ref><ref>{{Cite journal |doi = 10.1007/s10115-018-1286-7|title = Telling cause from effect by local and global regression|journal = Knowledge and Information Systems|year = 2018|last1 = Marx|first1 = Alexander|last2 = Vreeken|first2 = Jilles|volume=60|issue = 3|pages=1277–1305|doi-access = free}}</ref>
最短的这种程序意味着，更有可能是未压缩的'''<font color='#ff8000>存储变量stored variable</font>'''导致了'''<font color='#ff8000>计算出的变量computed variable</font>'''。
最短的这种程序意味着，更有可能是未压缩的'''<font color='#ff8000>存储变量stored variable</font>'''导致了'''<font color='#ff8000>计算出的变量computed variable</font>'''。
--ZC(讨论) 【审校】“最短的这种程序意味着”改为“最短的此类程序表明”
--ZC(讨论) 【审校】“计算出的变量”改为“计算变量”
===Noise models噪音模型===
===Noise models噪音模型===
在直观的层面上，这个想法是联合分布P(Cause, Effect) 到 P(Cause)*P(Effect | Cause)的因式分解通常产生的模型的总'''<font color='#ff8000'>复杂性complexity </font>'''低于到P(Effect)*P(Cause | Effect)的因式分解。尽管“复杂性”的概念在直觉上很吸引人，但是对于如何定义它却并不显而易见。另一种不同类族的方法尝试从大量标签过的数据中发现因果的“足迹”，并且允许预测更灵活的因果关系。
在直观的层面上，这个想法是联合分布P(Cause, Effect) 到 P(Cause)*P(Effect | Cause)的因式分解通常产生的模型的总'''<font color='#ff8000'>复杂性complexity </font>'''低于到P(Effect)*P(Cause | Effect)的因式分解。尽管“复杂性”的概念在直觉上很吸引人，但是对于如何定义它却并不显而易见。另一种不同类族的方法尝试从大量标签过的数据中发现因果的“足迹”，并且允许预测更灵活的因果关系。
--ZC(讨论) 【审校】“这个想法是联合分布P(Cause, Effect) 到 P(Cause)*P(Effect | Cause)的因式分解通常产生的模型的总”改为“联合分布P(起因,结果)到P(起因)*P(结果|起因)拆分的主意通常产生模型的总”
--ZC(讨论) 【审校】“低于到P(Effect)*P(Cause | Effect)的因式分解”改为“低于将P(起因,结果)到P(结果)*P(起因|结果)的拆分”
--ZC(讨论) 【审校】“但是对于如何定义”改为“但对于应该如何精确定义”
--ZC(讨论) 【审校】“标签过”改为“被标记”
== In statistics and economics 在统计学和经济学领域==
== In statistics and economics 在统计学和经济学领域==