Våra forskningsprojekt

Forskningsprojekt vid statistiska institutionen. 

Denna forskningsmiljö försöker förstå hur Sverige anpassar sig till modern migration och integration av nyanlända. För att sammanföra relevanta forskare med olika metodologiska och materiella kunskaper kombinerar vi banbrytande forskning om migration och integration med utvecklingen av maskininlärningsmetoder för analys av text inom samhällsvetenskap.

Mining for meaning: Den offentliga migrationsdiskursens dynamik

Forskningsprojektet Välfärdsstaten analyserad. Textanalys och modellering av svensk politik, media och kultur, 1945-1989 – med den engelska akronymen Westac – är ett samarbete mellan Umeå universitet, Uppsala universitet, Aalto University (i Finland) och Kungliga biblioteket. Projektet har ett tvådelat syfte: att etablera system och rutiner för att digitalisera och kurera stora textmaterial som möter de krav som digital forskning ställer, samt att kartlägga diskursiva mönster i välfärdsårens texter.

Välfärdsstaten analyserad. Textanalys och modellering av svensk politik, media och kultur, 1945-1989

Syftet med projektet är att först förbättra och sedan kliniskt validera en algoritm för att förutse (prediktera) sepsis. Projektets intressenter kommer arbeta tillsammans för att förfina algoritmen, utveckla ett användargränssnitt samt pröva algoritmen i klinisk verksamhet på intensivvårdsavdelning (IVA). Algoritmen är framtagen med hjälp av så kallad maskininlärning i ett samarbete mellan AlgoDx AB och Uppsala universitet.

Utveckling och klinisk validering av sepsisprediktionsalgoritm på IVA

Detta projekt kommer att utveckla ett nytt effektivt tillvägagångssätt för sekventiell kausal inferens baserad på den nya G-formeln inom ramen för enpunkts kausal inferens. Forskargruppen kommer att tillämpa metoden på magcancerpatienters kliniska data och hitta optimala individuella behandlingssystem för magcancer.

Inferens av kausala effekter från komplex longitudinal data baserat på den nya G-formeln

Det övergripande syftet med detta forskningsprojekt är att utveckla nya effektiva statistiska metoder för att bättre bestämma både linjära och icke-linjära relationer och mer exakt förutsäga latenta variabler inom området modeller med latenta variabler (LVM).

Nya statistiska metoder för latent variabel modeller

Projektet syftar till att studera systematiska fel som uppkommer på grund av mätfel av kontrollvariabler vid skattningar av kausala effekter, vilket är speciellt av betydelse när kontrollvariabler hämtas från registerdata. Mer specifikt syftar projektet till att studera en specifik typ av mätfel som är frekvent förekommande, nämligen ensidig felklassificering. Detta är ett mätfel som uppkommer exempelvis på grund av underrapportering i register. Det innebär att individer som har en registrerad egenskap verkligen har egenskapen, men det finns även individer i registret som har egenskapen utan att egenskapen har registrerats.

Betydelse av kontrollvariabler med mätfel i registerdata vid skattningar av kausala effekter