Перейти к содержанию
Университет искусственного интеллекта имени Мохамеда бен Заида Цифровая биостатистика Исследовательская группа Маркоса Матабуэны

Исследования

Будущее, которое уже наступает

Представьте человека, у которого дома, в одиночестве, развивается острый коронарный синдром и который носит устройство непрерывного мониторинга жизненно важных показателей. Обнаружив критические изменения, например отклонения на электрокардиограмме или снижение уровня кислорода, устройство автоматически инициирует экстренную помощь. За считанные секунды система находит и направляет ближайшую свободную бригаду скорой помощи, учитывая в реальном времени дорожную обстановку и возможности больниц.

Во время транспортировки устройство непрерывно передаёт ключевые данные о пациенте, позволяя оперативно пересматривать широкий круг медицинских и логистических решений. Если состояние пациента ухудшается, больница получает предупреждение для подготовки отделения интенсивной терапии. По прибытии прогностические модели помогают принимать решения, обеспечивая наилучший возможный исход при максимально эффективном использовании ресурсов здравоохранения.

Наша миссия и видение

Наша долгосрочная цель — создать систему принятия решений в здравоохранении, которая улучшит клинические и общественно-медицинские решения на уровне отдельных людей и населения, объединяя биостатистику, цифровые технологии здравоохранения и исследование операций.

Анимация, иллюстрирующая пропуски в данных смартфона

Сейчас мы разрабатываем статистические методы и методы искусственного интеллекта для сложных клинических задач, связанных с непрерывными, высокочастотными данными о здоровье, поступающими в реальном времени. Мы хотим, чтобы эти методы не только отвечали на существующие медицинские вопросы, но и помогали определять самые важные из них. Какой рацион лучше всего подходит конкретному человеку? Сколько физической активности необходимо для здорового старения и долголетия? Как должны меняться эти рекомендации в зависимости от клинического профиля, биологии, окружающей среды и образа жизни человека?

Для решения этих задач мы объединяем современные методы статистического ИИ для причинного вывода, анализа выживаемости, оценки неопределённости и генеративного моделирования со случайными эффектами, развивая статистическое обучение для неевклидовых случайных объектов. Тщательное планирование исследований и вычислительная масштабируемость имеют здесь ключевое значение. Мы стремимся создавать математически строгие и одновременно вычислительно эффективные методы, применимые в масштабе населения, ориентируясь на такие биомедицинские ресурсы, как UK Biobank, All of Us Research Program, Human Phenotype Project и NHANES.

Human Phenotype Project

Хотя многие методы, публикуемые в ведущих методологических журналах, отличаются математической строгостью и технической корректностью, они не всегда учитывают сложности и гипотезы, возникающие при работе с реальными клиническими данными. Поэтому наши исследования опираются на конкретные биомедицинские вопросы и практические задачи. Развивая эту область, мы создаём методы, учитывающие структуру данных, реалии клинической практики и важнейшие решения, с которыми сталкиваются пациенты, врачи и системы здравоохранения.

Семь основ нашей исследовательской программы в цифровом здравоохранении

Аннотация: 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

Наши семь статей представляют собой существенный методологический и концептуальный вклад в развитие цифрового здравоохранения.

Введение понятия глюкоплотности (glucodensity) — первый шаг к созданию более сложных цифровых фенотипов с помощью анализа функциональных и распределительных данных. Этот подход открывает новые направления биологических открытий и позволяет эффективнее использовать непрерывную информацию с новых медицинских устройств, не сводя её к небольшому набору скалярных показателей.

Введение многомерной глюкоплотности стало следующим концептуальным шагом в анализе физиологии человека. Клинические данные теперь рассматриваются не только как отдельные числа, но и как сложные объекты, близкие по своей природе к медицинским изображениям. Динамику лежащих в их основе физиологических процессов можно объединить в единой распределительной модели глюкоплотности.

Совместная работа с Ciprian Crainiceanu над моделями со случайными эффектами для данных глюкоплотности переносит эти идеи на продольные исследования длительностью в недели, месяцы и годы. Эта работа создаёт новую основу для использования цифровой информации в клинических испытаниях, позволяя повысить статистическую мощность и выявлять новые, более значимые продольные биомаркеры.

Вместе с Mateo Cámara, мы предлагаем первую общую систему моделирования со случайными эффектами в метрических пространствах, обеспечивающую единый подход к анализу разных типов статистических объектов в клинических исследованиях. Большая часть информации в цифровом здравоохранении почти непрерывна во времени, измеряется в нескольких временных масштабах и естественным образом имеет многоуровневую структуру. Наш подход впервые даёт общий аналитический способ моделировать эти сложные источники вариации в более широкой математической постановке.

Подход к количественной оценке неопределённости в метрических пространствах, разработанный совместно с Gábor Lugosi, имеет важное методологическое значение, поскольку даёт формальный метод калибровки и оценки условного покрытия без жёстких требований к гладкости. Одновременно он создаёт более общую основу оценки неопределённости для биомаркеров будущего, которые всё чаще будут представлены распределениями, функциями, изображениями, сетями и другими сложными неевклидовыми случайными объектами.

Работа с моими китайскими коллегами — Mingyang Yi, Zhiming Ma, а также Ruoyu Wang— над диффузионными моделями и ошибками измерений позволяет учитывать неопределённость измерений при принятии биомедицинских решений. Основная идея состоит в использовании общих методов генеративного искусственного интеллекта в классических статистических схемах учёта ошибок измерений, чтобы непосредственно включать в анализ погрешности датчиков, клинических измерений и других биомедицинских технологий.

Наконец, успех новой эпохи данных будет также зависеть от разработки новых планов экспериментов и выборочных исследований. В совместной работе с Yating Zou и Michael Kosorok, мы предлагаем новую методологию случайного леса для данных обследований со сложным дизайном выборки. Метод имеет важные следствия для статистического вывода, поскольку процедура бутстрэпа применяется на уровне узлов. Это открывает новые теоретические возможности для улучшения машинного обучения при сложных схемах выборки и одновременно даёт обоснованный способ использовать крупные массивы данных о здоровье, сохраняя корректность выводов для целевой популяции.

Вместе эти работы определяют основные направления нашей исследовательской программы: новое представление цифровых данных о здоровье, продольное и многоуровневое моделирование, оценку неопределённости, коррекцию ошибок измерений с помощью генеративного ИИ и статистически корректный вывод на основе сложных биомедицинских исследований.

Результаты исследований прошлых лет

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
Не опубликовано  ·  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