316
个编辑
更改
跳到导航
跳到搜索
第26行：
第26行： − + − 【终译】詹姆斯 · M · 罗宾斯是一位流行病学家和生物统计学家，他最著名的研究方法是从复杂的观察研究和随机试验中提取因果推论，特别是那些治疗随时间变化的试验。他是2013年内森 · 曼特尔统计学和流行病学终身成就奖的获得者。+ − 【终译】他于1976年在圣路易斯华盛顿大学毕业，获得医学学位。目前，他担任哈佛大学陈曾熙公共卫生学院传染病系的米切尔和罗宾 · 拉弗利东校级教授。他在学术期刊上发表了超过100篇论文，是科学信息研究所的高引用学者<ref name=":0" />。+ 第49行：
第49行： − 罗宾斯博士研究的主要重点是开发分析方法，这些方法适合于从复杂的观察性和随机性研究中得出因果推论，这些研究采用了时变的暴露或治疗方法。新方法在很大程度上是基于一类新的因果模型——结构嵌套模型——的参数估计，使用一类新的估计器—— G估计器。+ − + 第68行：
第68行： − 2013年8月13日ーー詹姆斯 · 罗宾斯(James Robins)获得了2013年南森 · 曼特尔终身统计和流行病学成就奖，他在统计科学和流行病学交叉领域的工作旨在评估暴露或药物治疗的因果效应而不仅仅是联系。+ − 自1982年以来一直在哈佛大学公共卫生学院工作的流行病学教授 Robins及其同事开发了分析方法和评估模型，以量化因果关系、误差幅度和复杂观察和随机研究中缺失的数据，特别是在暴露或治疗随时间变化的情况下。+ + + − − 内森 · 曼特尔奖(Nathan Mantel Award)是以美国国家癌症研究所(National Cancer Institute)一位资深生物统计学家的名字命名的，他于2002年去世。他的方法可以将来自多个来源或群体的数据结合起来，同时避免混淆——当暴露与疾病之间的关联没有考虑到其他可能的风险因素时。该奖项每年由美国统计协会流行病学统计部门颁发。罗宾斯于2013年8月5日在蒙特利尔举行的联合统计会议上获奖。 第162行：
第162行： − * [http://www.hsph.harvard.edu/faculty/james-robins/ James Robins — Mitchell L. and Robin LaFoley Dong Professor of Epidemiology]. Harvard School of Public Health (Accessed 15 March 2008). − + − + − * 詹姆斯 · 罗宾斯ー米切尔和罗宾 · 拉弗利东流行病学教授。哈佛大学公共卫生学院(2008年3月15日访问)。+ − * 詹姆斯 · 罗宾斯博士ー自传 哈佛大学公共卫生学院书目(2008年3月15日访问)。 − * 格尔曼，伊丽莎白(2006年3月23日) ：“詹姆斯 · 罗宾斯让统计数据说出真相: 数字服务于健康”哈佛大学公报。 − −
无编辑摘要
}}
}}
'''James M. Robins''' is an [[epidemiologist]] and biostatistician best known for advancing methods for drawing [[causality|causal]] [[inference]]s from complex [[observational study|observational studies]] and [[randomized trial]]s, particularly those in which the treatment varies with time. He is the 2013 recipient of the [[Nathan Mantel]] Award for lifetime achievement in statistics and epidemiology.<!-- 全文该人物的称谓统一 -->
'''James Robins''' is an [[epidemiologist]] and biostatistician best known for advancing methods for drawing [[causality|causal]] [[inference]]s from complex [[observational study|observational studies]] and [[randomized trial]]s, particularly those in which the treatment varies with time. He is the 2013 recipient of the [[Nathan Mantel]] Award for lifetime achievement in statistics and epidemiology.<!-- 全文该人物的称谓统一 -->
詹姆斯 · 罗宾斯是一位流行病学家和生物统计学家，他最著名的研究方法是从复杂的观察研究和随机试验中提取因果推论，特别是那些治疗随时间变化的试验。2013年他获得内森 · 曼特尔统计学和流行病学终身成就奖。
He graduated in [[medicine]] from [[Washington University in St. Louis]] in 1976. He is currently Mitchell L. and Robin LaFoley Dong Professor of Epidemiology at [[Harvard T.H. Chan School of Public Health]]. He has published over 100 papers in [[academic journal]]s and is an [[ISI highly cited researcher]].<ref name=":0">[http://hcr3.isiknowledge.com/author.cgi?id=5977 Robins, James] at [[ISIHighlyCited.com]]</ref>
He graduated in [[medicine]] from [[Washington University in St. Louis]] in 1976. He is currently Mitchell L. and Robin LaFoley Dong Professor of Epidemiology at [[Harvard T.H. Chan School of Public Health]]. He has published over 100 papers in [[academic journal]]s and is an [[ISI highly cited researcher]].<ref name=":0">[http://hcr3.isiknowledge.com/author.cgi?id=5977 Robins, James] at [[ISIHighlyCited.com]]</ref>
他于1976年在圣路易斯华盛顿大学毕业，获得医学学位。目前，他担任哈佛大学陈曾熙公共卫生学院传染病系的米切尔和罗宾 · 拉弗利东校级教授。他在学术期刊上发表了超过100篇论文，是科学信息研究所的高引用学者<ref name=":0" />。
== 个人自传 ==
== 个人自传 ==
== 研究重点 ==
== 研究重点 ==
罗宾斯研究的主要重点是开发分析方法，这些方法适合于从复杂的观察性和随机性研究中得出因果推论，这些研究采用了时变的暴露或治疗方法。新方法在很大程度上是基于一类新的因果模型——结构嵌套模型——的参数估计，使用一类新的估计器—— G估计器。
估计时变治疗或暴露对疾病时间的影响的通常方法是使用时间依赖的 Cox 比例风险模型，将时间 t 的失败危险发生率作为过去治疗历史的函数来建模。Robins 博士指出，在以下情况下，无论是否在分析时进一步调整过去混淆的历史，通常的方法都可能有偏见:<!-- 看看能不能找到对应的图片 -->
估计时变治疗或暴露对疾病时间的影响的通常方法是使用时间依赖的 Cox 比例风险模型，将时间 t 的失败危险发生率作为过去治疗历史的函数来建模。罗宾斯指出，在以下情况下，无论是否在分析时进一步调整过去混淆的历史，通常的方法都可能有偏见:<!-- 看看能不能找到对应的图片 -->
(A1)感兴趣的事件存在一个时间相关的危险因素或预测因素，可以预测随后的治疗
(A1)感兴趣的事件存在一个时间相关的危险因素或预测因素，可以预测随后的治疗
== 个人荣誉 ==
== 个人荣誉 ==
内森 · 曼特尔奖(Nathan Mantel Award)是以美国国家癌症研究所(National Cancer Institute)一位资深生物统计学家的名字命名的，内森 · 曼特尔于2002年去世。他的方法可以将来自多个来源或群体的数据结合起来，同时避免混淆——当暴露与疾病之间的关联没有考虑到其他可能的风险因素时。该奖项每年由美国统计协会流行病学统计部门颁发。
2013年8月5日在蒙特利尔举行的联合统计会议上，罗宾斯获得了2013年南森 · 曼特尔终身统计和流行病学成就奖，旨在奖励他在统计科学和流行病学交叉领域的杰出工作，即评估暴露或药物治疗的因果效应而不仅仅只是是联系。
自1982年以来一直在哈佛大学公共卫生学院工作的流行病学教授罗宾斯及其同事开发了分析方法和评估模型，以量化因果关系、误差幅度和复杂观察和随机研究中缺失的数据，特别是在暴露或治疗随时间变化的情况下。
例如，在过去的五年里，他用自己的方法分析了空气颗粒物污染对死亡率的影响，并解释和调和了绝经后激素治疗对心脏病的估计益处的差异。此外，在研究肥胖对死亡率的影响时，他用自己的方法消除了“反向因果关系”的偏差ーー这里指的是未确诊的癌症患者体重减轻但很快死亡，从而使体重减轻错误地显得有害。
例如，在过去的五年里，他用自己的方法分析了空气颗粒物污染对死亡率的影响，并解释和调和了绝经后激素治疗对心脏病的估计益处的差异。此外，在研究肥胖对死亡率的影响时，他用自己的方法消除了“反向因果关系”的偏差ーー这里指的是未确诊的癌症患者体重减轻但很快死亡，从而使体重减轻错误地显得有害。
== 精选发表论文 ==
== 精选发表论文 ==
== 外部链接 ==
== 外部链接 ==
* [http://www.hsph.harvard.edu/~robins/ Dr. James M. Robins — Bibliography] Harvard School of Public Health (Accessed 15 March 2008).
* [http://www.hsph.harvard.edu/~robins/ Dr. James M. Robins — Bibliography] Harvard School of Public Health (Accessed 15 March 2008).
* Gehrman, Elizabeth (March 23, 2006) [https://web.archive.org/web/20080317055338/http://www.news.harvard.edu/gazette/2006/03.23/13-iqss.html James Robins makes statistics tell the truth: Numbers in the service of health]. ''Harvard University Gazette''.<br />【终译】
* Gehrman, Elizabeth (March 23, 2006) [https://web.archive.org/web/20080317055338/http://www.news.harvard.edu/gazette/2006/03.23/13-iqss.html James Robins makes statistics tell the truth: Numbers in the service of health]. ''Harvard University Gazette''.
*[https://www.hsph.harvard.edu/james-robins/ James Robins个人主页]
*[https://scholar.google.com/citations?user=RKGsk9cAAAAJ&hl=en James Robins谷歌学术链接]
* [https://www.hsph.harvard.edu/james-robins/ James Robins个人主页]
* [https://scholar.google.com/citations?user=RKGsk9cAAAAJ&hl=en James Robins谷歌学术链接]
== 编者推荐 ==
== 编者推荐 ==