James Robins - 版本历史

2024年5月7日 (二) 03:23 思无涯咿呀咿呀

2024-05-07T03:23:29Z

2022年6月13日 (一) 12:04 我是猫

2022-06-13T12:04:57Z

是趣木木呀：/* 外部链接 */

2022-06-13T11:34:37Z

外部链接

2022年6月13日 (一) 11:26 是趣木木呀

2022-06-13T11:26:37Z

我是猫：/* 研究重点 */

2022-06-10T12:06:55Z

研究重点

我是猫：/* 研究重点 */

2022-06-10T11:54:54Z

研究重点

2022年6月10日 (五) 02:43 我是猫

2022-06-10T02:43:19Z

2022年6月5日 (日) 11:27 我是猫

2022-06-05T11:27:00Z

2022年5月30日 (一) 13:57 是趣木木呀

2022-05-30T13:57:02Z

2022年5月9日 (一) 13:40 我是猫

2022-05-09T13:40:38Z

←上一版本		2024年5月7日 (二) 03:23的版本
第186行：		第186行：
	CLeaR (Causal Learning and Reasoning) 2022国际会议将在2022年4月11-13日举行。本次会议邀请因果科学领域的学者包括Judea Pearl、Alison Gopnik、James Robins、Peter Spirtes等人共同探讨因果学习与推理的最新进展，因果关系是科学和工程领域的一个基本概念。一方面，在过去的几十年里，因果发现、因果推理和因果机器学习中一些最具影响力的发展都是跨学科努力的结果。已经出现了许多机器学习和统计方法用于处理经典的因果发现和推理问题。另一方面，因果观已被证明能够促进形成、理解和解决迁移学习、强化学习和深度学习中的许多机器学习难题。CLeaR 2022将于2022年4月11日至13日在美国加利福尼亚州尤里卡举行，国内学者可线上参与。会议更多介绍详见：<nowiki>https://www.cclear.cc/2022</nowiki>		CLeaR (Causal Learning and Reasoning) 2022国际会议将在2022年4月11-13日举行。本次会议邀请因果科学领域的学者包括Judea Pearl、Alison Gopnik、James Robins、Peter Spirtes等人共同探讨因果学习与推理的最新进展，因果关系是科学和工程领域的一个基本概念。一方面，在过去的几十年里，因果发现、因果推理和因果机器学习中一些最具影响力的发展都是跨学科努力的结果。已经出现了许多机器学习和统计方法用于处理经典的因果发现和推理问题。另一方面，因果观已被证明能够促进形成、理解和解决迁移学习、强化学习和深度学习中的许多机器学习难题。CLeaR 2022将于2022年4月11日至13日在美国加利福尼亚州尤里卡举行，国内学者可线上参与。会议更多介绍详见：<nowiki>https://www.cclear.cc/2022</nowiki>

−	[[Category:~~待整理页面~~]]	+	[[Category:待润色]]

@@ 第26行： / 第26行： @@
 }}
-'''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 -->
-【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。
+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>
-【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" />。
+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 ==
@@ 第49行： / 第49行： @@
 == 研究重点 ==
-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。
+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
@@ 第68行： / 第68行： @@
 == 个人荣誉 ==
-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。
+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。
-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。
+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。
 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 ==
@@ 第162行： / 第162行： @@
 == 外部链接 ==
 * [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]
-* 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)。
+*[https://scholar.google.com/citations?user=RKGsk9cAAAAJ&hl=en James Robins谷歌学术链接]
 == 编者推荐 ==

@@ 第26行： / 第26行： @@
 }}
-'''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.
+'''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 -->
 【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。
@@ 第51行： / 第51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。
-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:
+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 -->
 (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
@@ 第170行： / 第170行： @@
 * 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。
 * [https://www.hsph.harvard.edu/james-robins/ James Robins个人主页]
 == 编者推荐 ==
@@ 第189行： / 第190行： @@
 CLeaR (Causal Learning and Reasoning) 2022国际会议将在2022年4月11-13日举行。本次会议邀请因果科学领域的学者包括Judea Pearl、Alison Gopnik、James Robins、Peter Spirtes等人共同探讨因果学习与推理的最新进展，因果关系是科学和工程领域的一个基本概念。一方面，在过去的几十年里，因果发现、因果推理和因果机器学习中一些最具影响力的发展都是跨学科努力的结果。已经出现了许多机器学习和统计方法用于处理经典的因果发现和推理问题。另一方面，因果观已被证明能够促进形成、理解和解决迁移学习、强化学习和深度学习中的许多机器学习难题。CLeaR 2022将于2022年4月11日至13日在美国加利福尼亚州尤里卡举行，国内学者可线上参与。会议更多介绍详见：<nowiki>https://www.cclear.cc/2022</nowiki>
 [[Category:待整理页面]]

@@ 第1行： / 第1行： @@
-链接参考<nowiki/>https://www.hsph.harvard.edu/james-robins/ 进一步补充中文文本至2500以上
+此词条暂由我是猫翻译，趣木木编写，未经人工整理和审校，带来阅读不便，请见谅。
 {{distinguish|James Robbins (disambiguation){{!}}James Robbins}}
@@ 第171行： / 第169行： @@
 * 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。
 {{DEFAULTSORT:Robins, James}}
 [[Category:American epidemiologists]]
@@ 第183行： / 第183行： @@
 [[Category:Harvard College alumni]]
-Category:American epidemiologists
+[https://swarma.org/?p=33783 会议预告丨CLeaR (Causal Learning and Reasoning) 2022国际会议4月11-13日举办]
 [[Category:待整理页面]]

@@ 第53行： / 第53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。
-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，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:
+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:
 (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
@@ 第59行： / 第59行： @@
 (A2)过去的治疗史可以预测随后的危险因素水平
-以上的情况将是真实的，只要有时间相关的协变量，同时是混杂因素和中间变量。
+条件 (A1) 和 (A2) 只要存在同时是混杂因素和中间变量的时间相关协变量就会成立。
 == 个人荣誉 ==

@@ 第49行： / 第49行： @@
 【终译】在其关于因果推断的原始论文中，罗宾斯描述了两种新的控制混杂偏差的方法，这两种方法可以应用于与时间相关暴露的广义设定: 结构嵌套模型的 G公式和 G 估计。后来，他介绍了第三类模型，边际结构模型，其中的参数估计使用逆概率处理权重。他还对动态治疗机制的理论做出了重要贡献，这在比较效益研究和个体化医学中都具有重要意义。1994年，他与安德里亚 · 罗特尼茨基及其他同事一起，为因果推断和缺失数据问题中的统计参数引入了双重稳健估计(由影响函数导出)。双重稳健估计理论在因果推断领域具有很大的影响力，并影响了计算机科学、生物统计学、流行病学、机器学习、社会科学和统计学的实践<ref name=":3" /><ref name=":4" />。2008年，他还与李，艾瑞克和阿德合作，发展了用于统计功能估计的高阶影响函数理论。
 == 精选发表论文 ==
-* {{cite journal
+*{{cite journal
   | author = Robins, J.M.
   | year = 1989
@@ 第62行： / 第65行： @@
   | issue = 6
 }}
-* {{cite journal | author = Robins, J.M. |author2=Tsiatis, A.A.  | year = 1991 | title = Correcting for non-compliance in randomized trials using rank preserving structural failure time models | journal = Communications in Statistics - Theory and Methods | volume = 20 | issue = 8 | pages = 2609–2631 | doi = 10.1080/03610929108830654 }}
+*{{cite journal | author = Robins, J.M. |author2=Tsiatis, A.A.  | year = 1991 | title = Correcting for non-compliance in randomized trials using rank preserving structural failure time models | journal = Communications in Statistics - Theory and Methods | volume = 20 | issue = 8 | pages = 2609–2631 | doi = 10.1080/03610929108830654 }}
-* {{cite journal | author = Robins, J.M. | year = 1994 | title = Correcting for non-compliance in randomized trials using structural nested mean models | journal = Communications in Statistics - Theory and Methods | volume = 23 | issue = 8 | pages = 2379–2412 | doi = 10.1080/03610929408831393 }}
+*{{cite journal | author = Robins, J.M. | year = 1994 | title = Correcting for non-compliance in randomized trials using structural nested mean models | journal = Communications in Statistics - Theory and Methods | volume = 23 | issue = 8 | pages = 2379–2412 | doi = 10.1080/03610929408831393 }}
-* {{cite book
+*{{cite book
   | author = Robins, J.M.
   | year = 1997
@@ 第75行： / 第78行： @@
   | publisher= [[Springer-Verlag]]
 }}
-* {{cite journal
+*{{cite journal
   | author = Robins, J.M.
   |author2=Ritov, Y.
@@ 第87行： / 第90行： @@
 | pmid=9004398
 }}
-* {{cite journal
+*{{cite journal
   | author = Robins, J.M.
   | year = 1998
@@ 第98行： / 第101行： @@
   | pmid = 9493255
 }}
-* {{cite journal
+*{{cite journal
   | author = Robins, J.M. |author2=Hernan, M.A. |author3=Brumback, B.|author3-link= Babette Brumback
   | year = 2000
@@ 第110行： / 第113行： @@
   | jstor = 3703997
 |citeseerx=10.1.1.116.7039 |s2cid=8907527 }}
-* {{cite book
+*{{cite book
   | author = van der Laan, M.J.
   |author2=Robins, J.M.

←上一版本		2022年5月30日 (一) 13:57的版本
第1行：		第1行：
		+	链接参考<nowiki/>https://www.hsph.harvard.edu/james-robins/ 进一步补充中文文本至2500以上
		+
	此词条暂由我是猫翻译，未经人工整理和审校，带来阅读不便，请见谅。		此词条暂由我是猫翻译，未经人工整理和审校，带来阅读不便，请见谅。

@@ 第1行： / 第1行： @@
-此词条暂由彩云小译翻译，翻译字数共647，未经人工整理和审校，带来阅读不便，请见谅。
+此词条暂由我是猫翻译，未经人工整理和审校，带来阅读不便，请见谅。
 {{distinguish|James Robbins (disambiguation){{!}}James Robbins}}
@@ 第34行： / 第34行： @@
 【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" />。
-== Biography ==
+== 个人自传 ==
 Robins attended [[Harvard College]] with the class of 1971, concentrating in mathematics and philosophy. He was elected to [[Phi Beta Kappa]] in his junior year, but did not graduate.  He went on to attend Washington University School of Medicine, graduating in 1976,<ref name=":1">Thomas S. Richardson and Andrea Rotnitzky, [https://projecteuclid.org/journals/statistical-science/volume-29/issue-4/Causal-Etiology-of-the-Research-of-James-M-Robins/10.1214/14-STS505.full Causal Etiology of the Research of James M. Robins], Statist. Sci. 29 (4) 459-484, 2014. [https://doi.org/10.1214/14-STS505 doi:10.1214/14-STS505]</ref> and practiced [[Occupational Medicine]] for several years.  While working in occupational medicine, he attended basic courses in applied medical statistics at the [[Yale School of Public Health]], but quickly came to the conclusion that the methodology used at the time was insufficiently rigorous to support causal conclusions.
 【终译】罗宾斯于1971年进入哈佛大学，主修数学和哲学。在大三时被选为斐陶斐荣誉学会会员，但并未毕业，之后他进入华盛顿大学医学院，于1976年毕业<ref name=":1" />，并从事职业医学多年。在以职业医学领域从事期间，他参加了耶鲁大学公共卫生学院应用统计学的基础课程，但很快得出结论，当时使用的方法不够严谨，无法支撑因果结论。
-== Research ==
+== 研究领域 ==
 In 1986, Robins published the paper "A New Approach to Causal Inference in Mortality Studies", which introduced a new framework for drawing causal inference from observational data. In this paper and in other articles published around the same time, Robins showed that in non-experimental data, exposure is almost always time-dependent, and that standard methods such as regression are therefore almost always biased. This framework is mathematically very closely related to [[Judea Pearl]]'s graphical framework Non-Parametric Structural Equations Models, which Pearl developed independently shortly thereafter. Pearl's graphical models are a more restricted version of this theory.<ref name=":2">Single World Intervention Graphs (SWIGs): A Unification of the Counterfactual and Graphical Approaches to Causality https://csss.uw.edu/files/working-papers/2013/wp128.pdf</ref>
@@ 第48行： / 第48行： @@
 【终译】在其关于因果推断的原始论文中，罗宾斯描述了两种新的控制混杂偏差的方法，这两种方法可以应用于与时间相关暴露的广义设定: 结构嵌套模型的 G公式和 G 估计。后来，他介绍了第三类模型，边际结构模型，其中的参数估计使用逆概率处理权重。他还对动态治疗机制的理论做出了重要贡献，这在比较效益研究和个体化医学中都具有重要意义。1994年，他与安德里亚 · 罗特尼茨基及其他同事一起，为因果推断和缺失数据问题中的统计参数引入了双重稳健估计(由影响函数导出)。双重稳健估计理论在因果推断领域具有很大的影响力，并影响了计算机科学、生物统计学、流行病学、机器学习、社会科学和统计学的实践<ref name=":3" /><ref name=":4" />。2008年，他还与李，艾瑞克和阿德合作，发展了用于统计功能估计的高阶影响函数理论。
-== Selected publications ==
+== 精选发表论文 ==
 * {{cite journal
   | author = Robins, J.M.
@@ 第130行： / 第130行： @@
+*
-== Notes ==
+== 参考文献 ==
 {{Reflist}}
-== References ==
+== 外部链接 ==
 * [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).
 * [http://www.hsph.harvard.edu/~robins/ Dr. James M. Robins — Bibliography] Harvard School of Public Health (Accessed 15 March 2008).