Ir al contenido
Universidad Mohamed bin Zayed de Inteligencia Artificial Bioestadística digital Grupo de investigación de Marcos Matabuena

Investigación

El futuro ya está en marcha

Imaginemos a una persona que sufre un síndrome coronario agudo mientras está sola en casa y lleva un dispositivo que monitoriza continuamente sus constantes vitales. Al detectar cambios críticos, como un electrocardiograma anómalo o una caída del nivel de oxígeno, el dispositivo activa automáticamente una respuesta de emergencia. En cuestión de segundos, el sistema localiza y moviliza la ambulancia disponible más cercana, adaptándose en tiempo real al tráfico y a la capacidad de los hospitales.

Durante el traslado, el dispositivo transmite continuamente información vital del paciente, lo que permite ajustar de forma dinámica las decisiones clínicas y logísticas. Si el estado del paciente empeora, se avisa al hospital para que prepare una unidad de cuidados críticos. A su llegada, los modelos predictivos orientan las decisiones para lograr el mejor resultado posible y utilizar los recursos sanitarios con la máxima eficiencia.

Nuestra misión y visión

Nuestro objetivo a largo plazo es construir un marco de toma de decisiones sanitarias que mejore las decisiones clínicas y de salud pública, tanto individuales como poblacionales, combinando bioestadística, tecnologías de salud digital e investigación operativa.

Animación sobre datos ausentes en teléfonos inteligentes

Actualmente desarrollamos métodos estadísticos y de inteligencia artificial para problemas clínicos complejos que implican datos de salud continuos, de alta frecuencia y en tiempo real. Queremos que estos métodos respondan a las preguntas médicas actuales y ayuden a identificar las más importantes. ¿Qué dieta es la mejor para una persona concreta? ¿Cuánta actividad física necesita para favorecer un envejecimiento saludable y la longevidad? ¿Cómo deben cambiar estas recomendaciones según su perfil clínico, su biología, su entorno y su estilo de vida?

Para responder a estas preguntas, nuestra investigación combina métodos modernos de IA estadística para inferencia causal, análisis de supervivencia, cuantificación de la incertidumbre y modelización generativa con efectos aleatorios, con el fin de avanzar en el aprendizaje estadístico para objetos aleatorios no euclídeos. El diseño cuidadoso de los estudios y la escalabilidad computacional son esenciales. Buscamos métodos matemáticamente rigurosos y eficientes a escala poblacional, orientados a recursos biomédicos como UK Biobank, All of Us Research Program, Human Phenotype Project y NHANES.

Human Phenotype Project

Aunque muchos métodos publicados en revistas metodológicas de primer nivel son matemáticamente rigurosos y técnicamente sólidos, no siempre se diseñan teniendo en cuenta la complejidad de los datos clínicos reales y los supuestos necesarios para analizarlos. Por ello, partimos de preguntas biomédicas concretas y desafíos prácticos. Desarrollamos métodos que reflejen la estructura de los datos, la realidad de la práctica clínica y las decisiones críticas de pacientes, profesionales y sistemas sanitarios para hacer avanzar el campo.

Siete pilares de nuestro programa de investigación en salud digital

Resumen de Glucodensities: A new representation of glucose profiles using distributional data analysis

Glucodensities: A new representation of glucose profiles using distributional data analysis

Marcos Matabuena, Alexander Petersen, Juan C Vidal, Francisco Gude

Nuestros siete artículos representan un avance metodológico y conceptual sustancial para la salud digital.

La introducción de la glucodensidad constituye un primer paso hacia fenotipos digitales más complejos mediante el análisis de datos funcionales y distribucionales. Este marco abre nuevas vías de descubrimiento biológico y permite aprovechar con mayor eficiencia la información continua de los nuevos dispositivos médicos, en lugar de reducirla a unas pocas medidas escalares.

La glucodensidad multivariante supone un nuevo avance conceptual en el análisis de la fisiología humana. Los datos clínicos dejan de analizarse únicamente como números individuales y pasan a tratarse como objetos complejos, más próximos a las imágenes médicas. Ahora podemos integrar la dinámica de los procesos fisiológicos subyacentes en un marco distribucional unificado de glucodensidad.

El trabajo conjunto con Ciprian Crainiceanu sobre modelos de efectos aleatorios para datos de glucodensidad extiende estas ideas a estudios longitudinales de semanas, meses o años. Este trabajo crea un nuevo marco para utilizar información digital en ensayos clínicos, con la posibilidad de aumentar la potencia estadística y descubrir biomarcadores longitudinales nuevos y más relevantes.

Junto con Mateo Cámara, proponemos el primer marco de modelización con efectos aleatorios en espacios métricos generales, que ofrece un enfoque unificado para analizar distintos tipos de objetos estadísticos en estudios clínicos. La mayor parte de la información de salud digital es casi continua en el tiempo, se mide en múltiples escalas temporales y presenta una estructura multinivel. Nuestro marco ofrece, por primera vez, una vía analítica general para modelar estas fuentes complejas de variación con mayor generalidad matemática.

El marco de cuantificación de la incertidumbre en espacios métricos, desarrollado junto con Gábor Lugosi, es metodológicamente importante porque permite calibrar y evaluar formalmente la cobertura condicional sin condiciones restrictivas de suavidad. También abre un marco más general para cuantificar la incertidumbre de los biomarcadores del futuro, que se representarán cada vez más mediante distribuciones, funciones, imágenes, redes u otros objetos aleatorios no euclídeos complejos.

El trabajo con mis colegas chinos, Mingyang Yi, Zhiming Ma, y Ruoyu Wang, sobre modelos de difusión y error de medición permite incorporar la incertidumbre de las mediciones a las decisiones biomédicas. La idea principal es integrar métodos generales de IA generativa en los procedimientos estadísticos clásicos de error de medición, para que los errores de sensores, mediciones clínicas y otras tecnologías biomédicas se incorporen directamente al análisis.

Por último, el éxito de la nueva era de los datos también dependerá de nuevos diseños experimentales y de muestreo. En colaboración con Yating Zou y Michael Kosorok, proponemos una nueva metodología de bosques aleatorios para datos de encuestas complejas. El método tiene implicaciones relevantes para la inferencia, ya que aplica el procedimiento bootstrap a nivel de nodo. Esto abre oportunidades teóricas para mejorar el aprendizaje automático en diseños de muestreo complejos y, a la vez, ofrece una forma fundamentada de utilizar grandes bases de datos de salud preservando una inferencia válida para la población objetivo.

En conjunto, estos trabajos definen los pilares de nuestro programa: nuevas representaciones de datos de salud digital, modelización longitudinal y multinivel, cuantificación de la incertidumbre, corrección del error de medición mediante IA generativa e inferencia estadísticamente válida en estudios biomédicos complejos.

Publicaciones de años anteriores

2026

Denoising Data with Measurement Error Using a Reproducing Kernel-based Diffusion Model
Denoising Data with Measurement Error Using a Reproducing Kernel-based Diffusion Model
Mingyang Yi, Marcos Matabuena, Zhiming Ma, Ruoyu Wang
arXiv  ·  14 Jul 2026  ·  arxiv:2501.00212
EpiBinder: a multimodal framework for cell-type-specific prediction and interpretation of transcription factor binding
EpiBinder: a multimodal framework for cell-type-specific prediction and interpretation of transcription factor binding
Ruben Solozabal, Albert Baichorov, Irina Miodownik, Tamir Avioz, Le Song, Marcos Matabuena, Martin Takáč, Ariel Afek
openRxiv  ·  08 Jul 2026  ·  10.64898/2026.07.06.736502
Pre-activity glycemic prediction prioritizes post-meal movement
Pre-activity glycemic prediction prioritizes post-meal movement
Smadar Shilo, Gal Sapir, Guy Lutsker, Yeela Talmor-Barkan, Anastasia Godneva, Alon Diament, Marcos Matabuena, Eran Segal, Hagai Rossman
openRxiv  ·  24 Jun 2026  ·  doi:10.64898/2026.06.22.26356272
Conformal and kNN Predictive Uncertainty Quantification Algorithms in Metric Spaces
Conformal and kNN Predictive Uncertainty Quantification Algorithms in Metric Spaces
Gábor Lugosi, Marcos Matabuena
arXiv  ·  23 Jun 2026  ·  arxiv:2507.15741
A Deep Learning-Based Predictive Algorithm for Metabolic Syndrome Detection in the U.S. Population
A Deep Learning-Based Predictive Algorithm for Metabolic Syndrome Detection in the U.S. Population
Cristina Correa, Ruben Solozabal, Ziad Akram Ali Hammouri, Fernando Gómez-Peralta, Hagai Rossman, Juan C. Vidal, David C. Klonoff, Eran Segal, Marcos Matabuena
openRxiv  ·  02 Jun 2026  ·  doi:10.64898/2026.05.24.26354007
Capturing the Curve: Functional Data Analysis for Validated Digital Outcome Measures
Capturing the Curve: Functional Data Analysis for Validated Digital Outcome Measures
Mia S. Tackney, Marcos Matabuena, Marco Palma, Michael Wester, Claire Maassen, Thomas Krammer, Julian Mustroph, Peter H. Charlton, James Carpenter, Sofia S. Villar
arXiv  ·  28 May 2026  ·  arxiv:2605.28344
Gaussian mixture models in Hilbert spaces via kernel methods
Gaussian mixture models in Hilbert spaces via kernel methods
Daniel López-Montero, Antonio Álvarez-López, Marcos Matabuena
arXiv  ·  08 May 2026  ·  arxiv:2605.05996
Screening for diabetes mellitus in the US population using neural network-based modeling and complex survey designs
Screening for diabetes mellitus in the US population using neural network-based modeling and complex survey designs
Marcos Matabuena, Juan C Vidal, Rahul Ghosal, Jukka-Pekka Onnela
Statistical Methods in Medical Research  ·  07 May 2026  ·  doi:10.1177/09622802261442893
Random-Effects Algorithm for Random Objects in Metric Spaces
Random-Effects Algorithm for Random Objects in Metric Spaces
Marcos Matabuena, Mateo Cámara
arXiv  ·  05 May 2026  ·  arxiv:2605.02693
Continuous-Time Learning of Probability Distributions: A Case Study in a Digital Trial of Young Children with Type 1 Diabetes
Continuous-Time Learning of Probability Distributions: A Case Study in a Digital Trial of Young Children with Type 1 Diabetes
Antonio Álvarez-López, Marcos Matabuena
arXiv  ·  26 Mar 2026  ·  arxiv:2603.24427
Multilevel functional distributional models with applications to continuous glucose monitoring in diabetes clinical trials
Multilevel functional distributional models with applications to continuous glucose monitoring in diabetes clinical trials
Marcos Matabuena, Ciprian M. Crainiceanu
The Annals of Applied Statistics  ·  01 Mar 2026  ·  doi:10.1214/26-AOAS2139
Glucodensity-Based Models Outperform Time in Range and Glycemia Risk Index in Prediction Models
Glucodensity-Based Models Outperform Time in Range and Glycemia Risk Index in Prediction Models
Mandy M. Shao, Agatha F. Scheideman, David C. Klonoff, Francisco Gude, Marcos Matabuena
Journal of Diabetes Science and Technology  ·  23 Feb 2026  ·  doi:10.1177/19322968261421954
Survival on Image Regression With Application to Partially Functional Distributional Representation of Physical Activity
Survival on Image Regression With Application to Partially Functional Distributional Representation of Physical Activity
Rahul Ghosal, Sunwoo Emma Cho, Marcos Matabuena
Statistical Analysis and Data Mining: An ASA Data Science Journal  ·  01 Feb 2026  ·  doi:10.1002/sam.70068
Exploratory analysis of smartphone-based step counts as a digital biomarker for survival in ALS patients
Exploratory analysis of smartphone-based step counts as a digital biomarker for survival in ALS patients
Marcos Matabuena, Marcin Straczkiewicz, Narghes Calcagno, Katherine M. Burke, Timothy B. Royse, Amrita Iyer, Kendall T. Carney, Sydney Hall, James D. Berry, Jukka-Pekka Onnela
Frontiers in Digital Health  ·  29 Jan 2026  ·  doi:10.3389/fdgth.2025.1705368
Beyond scalar metrics: functional data analysis of postprandial continuous glucose monitoring in the AEGIS study
Beyond scalar metrics: functional data analysis of postprandial continuous glucose monitoring in the AEGIS study
Marcos Matabuena, Joseph Sartini, Francisco Gude
BMC Medical Research Methodology  ·  24 Jan 2026  ·  doi:10.1186/s12874-025-02748-2
Distributional Random Forests for Complex Survey Designs on Reproducing Kernel Hilbert Spaces
Distributional Random Forests for Complex Survey Designs on Reproducing Kernel Hilbert Spaces
Yating Zou, Marcos Matabuena, Michael R. Kosorok
arXiv  ·  07 Jan 2026  ·  arxiv:2512.08179
Daily Physical Activity Patterns Enhance Mortality Prediction in NHANES 2011-2014: A Comparative Study Across Classical, Machine Learning, and Deep Learning Models Using Accelerometer Data
Daily Physical Activity Patterns Enhance Mortality Prediction in NHANES 2011-2014: A Comparative Study Across Classical, Machine Learning, and Deep Learning Models Using Accelerometer Data
Srimanta Ghosh, Sunwoo Emma Cho, Yuanzhen Yue, Marcos Matabuena, Enakshi Saha, Rahul Ghosal
Journal for the Measurement of Physical Behaviour  ·  01 Jan 2026  ·  doi:10.1123/jmpb.2025-0052
From Physical Activity to Spirometry as a Curve : A Combined Model for Mortality Prediction
From Physical Activity to Spirometry (as a Curve): A Combined Model for Mortality Prediction
Marcos Matabuena, Marcos Matabuena@mbzuai Ac Ae, Emma Cho, Rahul Ghosal, Cristina Correa, Mateo Cámara, Manuel Oviedo De La Fuente, Holger Cevallos, Francisco Gude
Sin publicar  ·  01 Jan 2026  ·  doi:10.13140/RG.2.2.35806.60486

2025

Continuous Glucose Monitoring as an alternative for Cystic Fibrosis Related diabetes screening and diagnosis
Continuous Glucose Monitoring as an alternative for Cystic Fibrosis Related diabetes screening and diagnosis
I. Aguilera García, P. Vázquez Pérez, B. López Plaza, M. Matabuena, R.M. García Moreno, S.Palma Milla, E. Zamarrón de Lucas, M.C. Prados Sánchez, N. González Pérez de Villar
Diabetes Research and Clinical Practice  ·  01 Nov 2025  ·  doi:10.1016/j.diabres.2025.112952
Unequal strides to longevity. The extra mile to health equity
Unequal strides to longevity. The extra mile to health equity
Borja del Pozo Cruz, Francisco Perales, Marcin Straczkiewicz, Marcos Matabuena, Jesús del Pozo-Cruz, Rubén López-Bueno
Annals of Epidemiology  ·  01 Nov 2025  ·  doi:10.1016/j.annepidem.2025.10.009
kNN Algorithm for Conditional Mean and Variance Estimation with Automated Uncertainty Quantification and Variable Selection
kNN Algorithm for Conditional Mean and Variance Estimation with Automated Uncertainty Quantification and Variable Selection
Marcos Matabuena, Juan C. Vidal, Oscar Hernan Madrid Padilla, Jukka-Pekka Onnela
arXiv  ·  28 Oct 2025  ·  arxiv:2402.01635
Variable Selection for Fixed and Random Effects in Multilevel Functional Mixed Effects Models
Variable Selection for Fixed and Random Effects in Multilevel Functional Mixed Effects Models
Rahul Ghosal, Marcos Matabuena, Enakshi Saha
arXiv  ·  24 Oct 2025  ·  arxiv:2505.05416
ROC Analysis with Covariate Adjustment Using Neural Network Models: Evaluating the Role of Age in the Physical Activity-Mortality Association
ROC Analysis with Covariate Adjustment Using Neural Network Models: Evaluating the Role of Age in the Physical Activity-Mortality Association
Ziad Akram Ali Hammouri, Yating Zou, Rahul Ghosal, Juan C. Vidal, Marcos Matabuena
arXiv  ·  20 Oct 2025  ·  arxiv:2510.14494
Glucodensity functional profiles outperform traditional continuous glucose monitoring metrics
Glucodensity functional profiles outperform traditional continuous glucose monitoring metrics
Marcos Matabuena, Rahul Ghosal, Javier Enrique Aguilar, Ayya Keshet, Robert Wagner, Carmen Fernández Merino, Juan Sánchez Castro, Vadim Zipunnikov, Jukka-Pekka Onnela, Francisco Gude
Scientific Reports  ·  29 Sep 2025  ·  doi:10.1038/s41598-025-18119-2
Age, Sex, BMI, Meal Timing, and Glycemic Response to Meal Glycemic Load
Age, Sex, BMI, Meal Timing, and Glycemic Response to Meal Glycemic Load
Mar Calvo-Malvar, Óscar Lado-Baleato, Ana Cao Ríos, Cristina Porca Fernández, Alfonso Benítez-Calvo, Carmen Fernandez-Merino, Juan Sánchez-Castro, Robert Wagner, Marcos Matabuena, Francisco Gude
JAMA Network Open  ·  23 Sep 2025  ·  doi:10.1001/jamanetworkopen.2025.33193
Continuous Temporal Learning of Probability Distributions via Neural ODEs with Applications in Continuous Glucose Monitoring Data
Continuous Temporal Learning of Probability Distributions via Neural ODEs with Applications in Continuous Glucose Monitoring Data
Antonio Álvarez-López, Marcos Matabuena
arXiv  ·  18 Sep 2025  ·  arxiv:2505.08698
Distributional Data Analysis Uncovers Hundreds of Novel and Heritable Phenomic Features from Temporal Cotton and Maize Drone Imagery
Distributional Data Analysis Uncovers Hundreds of Novel and Heritable Phenomic Features from Temporal Cotton and Maize Drone Imagery
Aaron J. DeSalvio, Marcos Matabuena, Alper Adak, Mustafa A. Arik, Serina M. DeSalvio, …, Shawn M. Kaeppler, Dayane C. Lima, Candice N. Hirsch, Addie Thompson, David M. Stelly
openRxiv  ·  07 Sep 2025  ·  doi:10.1101/2025.09.05.674557
Functional time transformation model with applications to digital health
Functional time transformation model with applications to digital health
Rahul Ghosal, Marcos Matabuena, Sujit K. Ghosh
Computational Statistics & Data Analysis  ·  01 Jul 2025  ·  doi:10.1016/j.csda.2025.108131
Model-Free Kernel Conformal Depth Measures Algorithm for Uncertainty Quantification in Regression Models in Separable Hilbert Spaces
Model-Free Kernel Conformal Depth Measures Algorithm for Uncertainty Quantification in Regression Models in Separable Hilbert Spaces
Marcos Matabuena, Rahul Ghosal, Pavlo Mozharovskyi, Oscar Hernan Madrid Padilla, Jukka-Pekka Onnela
arXiv  ·  11 Jun 2025  ·  arxiv:2506.08325
Conformal prediction for uncertainty quantification in dynamic biological systems
Conformal prediction for uncertainty quantification in dynamic biological systems
Alberto Portela, Julio R. Banga, Marcos Matabuena
PLOS Computational Biology  ·  12 May 2025  ·  doi:10.1371/journal.pcbi.1013098
A Telehealth Program Using Continuous Glucose Monitoring and a Connected Insulin Pen Cap in Nursing Homes for Older Adults with Insulin-Treated Diabetes: The Trescasas Study
A Telehealth Program Using Continuous Glucose Monitoring and a Connected Insulin Pen Cap in Nursing Homes for Older Adults with Insulin-Treated Diabetes: The Trescasas Study
Fernando Gomez-Peralta, Cristina Abreu, Estefanía Santos, Alvaro Da Silva, Ana San Frutos, …, Ana Franco-López, Cristina López Mardomingo, Benito Cañuelo, Guillermo Blazquez, Marcos Matabuena
Diabetes Technology & Therapeutics  ·  01 May 2025  ·  doi:10.1089/dia.2024.0356
Uncertainty quantification for intervals
Uncertainty quantification for intervals
Carlos García Meixide, Michael R. Kosorok, Marcos Matabuena
arXiv  ·  01 Apr 2025  ·  arxiv:2408.16381
Deep Learning Framework with Uncertainty Quantification for Survey Data: Assessing and Predicting Diabetes Mellitus Risk in the American Population
Deep Learning Framework with Uncertainty Quantification for Survey Data: Assessing and Predicting Diabetes Mellitus Risk in the American Population
Marcos Matabuena, Juan C. Vidal, Rahul Ghosal, Jukka-Pekka Onnela
arXiv  ·  27 Mar 2025  ·  arXiv:2403.19752
Optimal Cut-Point Estimation for Functional Digital Biomarkers: Application to Diabetes Risk Stratification via Continuous Glucose Monitoring
Optimal Cut-Point Estimation for Functional Digital Biomarkers: Application to Diabetes Risk Stratification via Continuous Glucose Monitoring
Oscar Lado-Baleato, Carla Díaz-Louza, Francisco Gude, Marcos Matabuena
arXiv  ·  11 Mar 2025  ·  arxiv:2404.09716
Causal survival embeddings: Non-parametric counterfactual inference under right-censoring
Causal survival embeddings: Non-parametric counterfactual inference under right-censoring
Carlos García Meixide, Marcos Matabuena
Statistical Methods in Medical Research  ·  11 Feb 2025  ·  doi:10.1177/09622802241311455
Kernel biclustering algorithm in Hilbert spaces
Kernel biclustering algorithm in Hilbert spaces
Marcos Matabuena, Juan C. Vidal, Oscar Hernan Madrid Padilla, Dino Sejdinovic
Advances in Data Analysis and Classification  ·  21 Jan 2025  ·  doi:10.1007/s11634-024-00619-0
Variable Selection Methods for Multivariate, Functional, and Complex Biomedical Data in the AI Age
Variable Selection Methods for Multivariate, Functional, and Complex Biomedical Data in the AI Age
Marcos Matabuena
arXiv  ·  14 Jan 2025  ·  arxiv:2501.06868

2024

Predicting distributions of physical activity profiles in the National Health and Nutrition Examination Survey database using a partially linear Fr chet single index model
Predicting distributions of physical activity profiles in the National Health and Nutrition Examination Survey database using a partially linear Fréchet single index model
Marcos Matabuena, Aritra Ghosal, Wendy Meiring, Alexander Petersen
Biostatistics  ·  31 Dec 2024  ·  doi:10.1093/biostatistics/kxaf013
Divergent hypoglycemic and hyperglycemic responses to the components of evening meals. A general adult population study in individuals without diabetes AEGIS Study
Divergent hypoglycemic and hyperglycemic responses to the components of evening meals. A general adult population study in individuals without diabetes (AEGIS Study)
Tomás González-Vidal, Mar Calvo-Malvar, Carmen Fernández-Merino, Juan Sánchez-Castro, Óscar Lado-Baleato, Carla Díaz-Louzao, Marcos Pazos-Couselo, Manuela Alonso-Sampedro, Marcos Matabuena, Francisco Gude
Clinical Nutrition  ·  01 Dec 2024  ·  doi:10.1016/j.clnu.2024.11.020
Exploring the Interplay Between Physical Activity, Dietary Patterns, Diabetes, and All-Cause Mortality in the U.S.A. Population, NHANES 2011-2014: A Distributional Data Analysis Perspective
Exploring the Interplay Between Physical Activity, Dietary Patterns, Diabetes, and All-Cause Mortality in the U.S.A. Population, NHANES 2011-2014: A Distributional Data Analysis Perspective
Marcos Matabuena, Anxo Carreira, Robert Wagner, Miguel Sousa, Miguel Saavedra, Rahul Ghosal, JP Onnela, Lucimere Bohn
Springer Science and Business Media LLC  ·  15 Nov 2024  ·  doi:10.21203/rs.3.rs-5314139/v1
Exploring the association between daily distributional patterns of physical activity and cardiovascular mortality risk among older adults in NHANES 2003-2006
Exploring the association between daily distributional patterns of physical activity and cardiovascular mortality risk among older adults in NHANES 2003-2006
Sunwoo Emma Cho, Enakshi Saha, Marcos Matabuena, Jingkai Wei, Rahul Ghosal
Annals of Epidemiology  ·  01 Nov 2024  ·  doi:10.1016/j.annepidem.2024.10.001
Uncertainty Quantification in Dynamic Models of Biological Systems Using Conformal Prediction
Uncertainty Quantification in Dynamic Models of Biological Systems Using Conformal Prediction
Alberto Portela, Julio R. Banga, Marcos Matabuena
[object Object]  ·  01 Oct 2024  ·  doi: 10.5281/zenodo.13838652
Book Review: Functional Data Analysis with R by Ciprian M. Crainiceanu, Jeff Goldsmith, Andrew Leroux, and Erjia Cui
Book Review: Functional Data Analysis with R by Ciprian M. Crainiceanu, Jeff Goldsmith, Andrew Leroux, and Erjia Cui
Marcos Matabuena
Journal of Agricultural, Biological and Environmental Statistics  ·  01 Oct 2024  ·  doi:10.1007/s13253-024-00656-4
Multivariate scalar on multidimensional distribution regression with application to modeling the association between physical activity and cognitive functions
Multivariate scalar on multidimensional distribution regression with application to modeling the association between physical activity and cognitive functions
Rahul Ghosal, Marcos Matabuena
Biometrical Journal  ·  22 Sep 2024  ·  doi:10.1002/bimj.202400042
Neural interval-censored survival regression with feature selection
Neural interval-censored survival regression with feature selection
Carlos García Meixide, Marcos Matabuena, Louis Abraham, Michael R. Kosorok
Statistical Analysis and Data Mining: The ASA Data Science Journal  ·  16 Jul 2024  ·  doi:10.1002/sam.11704
Energy Distance and Kernel Mean Embeddings for Two-Sample Survival Testing with Applications in Immunotherapy Clinical Trials
Energy Distance and Kernel Mean Embeddings for Two-Sample Survival Testing with Applications in Immunotherapy Clinical Trials
Marcos Matabuena, Oscar Hernan Madrid Padilla
REVSTAT-Statistical Journal  ·  14 Jun 2024  ·  doi:10.57805/revstat.vi.572
Conformal uncertainty quantification using kernel depth measures in separable Hilbert spaces
Conformal uncertainty quantification using kernel depth measures in separable Hilbert spaces
Marcos Matabuena, Rahul Ghosal, Pavlo Mozharovskyi, Oscar Hernan Madrid Padilla, Jukka-Pekka Onnela
arXiv  ·  24 May 2024  ·  arxiv:2405.13970
Uncertainty quantification in metric spaces
Uncertainty quantification in metric spaces
Gábor Lugosi, Marcos Matabuena
arXiv  ·  09 May 2024  ·  arxiv:2405.05110
Insulin glargine 300 U ml versus insulin degludec 100 U ml improves nocturnal glycaemic control and variability in type 1 diabetes under routine clinical practice: A glucodensities-based post hoc analysis of the OneCare study
Insulin glargine 300 U/ml versus insulin degludec 100 U/ml improves nocturnal glycaemic control and variability in type 1 diabetes under routine clinical practice: A glucodensities-based post hoc analysis of the OneCare study
Fernando Gomez‐Peralta, Ana Chico Ballesteros, Amparo Marco Martínez, Begoña Pérez Corral, Ignacio Conget Donlo, Paulina Fuentealba Melo, Fernando Zaragozá Arnáez, Marcos Matabuena Rodríguez
Diabetes, Obesity and Metabolism  ·  01 May 2024  ·  doi: 10.1111/dom.15496
Personalized Imputation in metric spaces via conformal prediction: Applications in Predicting Diabetes Development with Continuous Glucose Monitoring Information
Personalized Imputation in metric spaces via conformal prediction: Applications in Predicting Diabetes Development with Continuous Glucose Monitoring Information
Marcos Matabuena, Carla Díaz-Louzao, Rahul Ghosal, Francisco Gude
arXiv  ·  28 Mar 2024  ·  arxiv:2403.18069
Insulin glargine 300 U ml versus insulin degludec 100 U ml improves nocturnal glycaemic control and variability in type 1 diabetes under routine clinical practice: A glucodensities-based post hoc analysis of the OneCare study
Insulin glargine 300 U/ml versus insulin degludec 100 U/ml improves nocturnal glycaemic control and variability in type 1 diabetes under routine clinical practice: A glucodensities-based post hoc analysis of the OneCare study
Fernando Gomez‐Peralta, Ana Chico Ballesteros, Amparo Marco Martínez, Begoña Pérez Corral, Ignacio Conget Donlo, Paulina Fuentealba Melo, Fernando Zaragozá Arnáez, Marcos Matabuena Rodríguez
Diabetes, Obesity and Metabolism  ·  20 Feb 2024  ·  doi:10.1111/dom.15496
Author Correction: Reassessment of fluctuating dental asymmetry in Down syndrome
Author Correction: Reassessment of fluctuating dental asymmetry in Down syndrome
Marcos Matabuena Rodríguez, Pedro Diz Dios, Carmen Cadarso-Suárez, Márcio Diniz-Freitas, Mercedes Outumuro Rial, Maria Teresa Abeleira Pazos, Jacobo Limeres Posse
Scientific Reports  ·  16 Jan 2024  ·  doi:10.1038/s41598-024-51672-w

2021

Glucodensities: A new representation of glucose profiles using distributional data analysis
Glucodensities: A new representation of glucose profiles using distributional data analysis
Marcos Matabuena, Alexander Petersen, Juan C Vidal, Francisco Gude
Statistical Methods in Medical Research  ·  01 Jun 2021  ·  doi: 10.1177/0962280221998064