Het CBS trekt steekproeven onder de Nederlandse bevolking om diverse statistieken te maken. Hierbij is sprake van selectieve nonrespons. Er worden diverse pogingen worden gedaan om de respons zo gelijkmatig mogelijk te laten zijn (naar diverse achtergrondkenmerken van personen). Om voor deze nonrespons te corrigeren, voeren we een zogenaamde weging uit, waarbij personen een gewicht krijgen op basis van een combinatie van het steekproefontwerp (wat resulteert in het zogenaamde startgewicht) en de onder- of oververtegenwoordiging in de respons. Personen met achtergrondkenmerken die ondervertegenwoordigd zijn in de respons krijgen dan uiteindelijk een groter gewicht dan personen met achtergrondkenmerken die oververtegenwoordigd zijn (als het startgewicht hetzelfde is). Zie bijvoorbeeld [1] voor algemene informatie over wegen.
Deze stage gaat over het uitvoeren van wegingen voor zogenaamde herbenaderingen. Dit zijn onderzoeken waarbij personen worden aangeschreven die al eerder aan een CBS-onderzoek hebben deelgenomen. Het is de vraag wat handig is om als startgewicht te gebruiken. Deze zou gekozen kunnen worden op basis van het eerste CBS-onderzoek waar een persoon aan heeft deelgenomen. Voor het originele onderzoek is echter ook een weging uitgevoerd en het startgewicht voor de herbenadering zou ook gekozen kunnen worden als het gewicht na de weging van het originele onderzoek. Dan heeft er dus al een correctie voor nonrespons plaatsgevonden en kan er bij de herbenadering “verder” gewogen worden voor de eventuele extra onder- of oververtegenwoordiging bij de herbenadering.
In deze stage is het de bedoeling om verschillen tussen de twee opties in kaart te brengen. Zijn er verschillen en zo ja hoe groot zijn die? Als er een verschil is, is het zeer interessant om te kijken of het mogelijk is om te achterhalen waarom die verschillen er zijn en welke optie de voorkeur zou hebben.
Referenties
[1] https://www.cbs.nl/nl-nl/onze-diensten/methoden/statistische-methoden/throughput/throughput/wegen-als-correctie-voor-non-respons
Together with the Department of Biomedical Engineering (Computational Biology), I am offering a Master's project that can be started in January or later.
Suppose we are given a set of patients and for each patient the same medical measurements have been made (measuring bio transmitters etc). The goal of computational biology is to inspect the measurements and to detect rules between different transmitters that explain in which situations the human body produces certain proteins (which might be relevant in cancer diagnosis). Having such rules, one can develop medical treatments that prevent the body to produce these proteins. To be able to develop effective medical treatments, one is looking for simple rules between different bio transmitters e.g., transmitters 1 and 2 are active and transmitter 3 is inactive.
The goal of this Master's project is to develop and implement integer programming techniques that allow to find rules between different bio transmitters. Among others, we expect that techniques such as column generation and branch-and-price can be useful to achieve the desired goal. Since implementation is an important aspect of this project, good programming skills in Python and/or C/C++ are required.
Are you interested in this project or do you want to know more about it, please contact Christopher Hojny (c.hojny@tue.nl).
Background:
To investigate the resilience of the autonomous nerve system (ANS) a resilience experiment, with five different stages (mental, hand grip, supine, standing, and walking), was executed in the third-generation participants of the Framingham Heart Study (around 1300 participants). Several vital signs of the heart (systolic blood pressure, diastolic blood pressure, mean arterial pressure, heart rate, and respiratory rate) were continuously observed throughout the experiment (25–30 minutes of monitoring). The experiment is visualized in the following figure.

Data Analytic Questions:
This type of data is not easy to analyze due to the large number of repeats and its high correlation among sequential data points. One example of the data that is generated is provided in the figure below.

Each person will have their own vital sign profile and all participants react differently to the different stages. Additionally, we have already information on sex and age on each participant, but we are currently trying to add other information (e.g., BMI, smoking, hypertension, past heart problems, treatments) from the participants.
For the master thesis project, we are trying to answer several data analytical questions:
· Can we describe the longitudinal vital sign signals properly (functional data analysis, time-series analysis, longitudinal smoothing) and find clusters of participants?
· Can we define important features calculated per stage and rest period (e.g., average, variation, delta response, autocorrelation, time at maximum response) that summarize the most relevant information in the trajectories?
· Can we determine the association between certain participant characteristic (age, sex, smoking, etc.) and the vital sign profiles (using the profiles or the features).
Het CBS trekt steekproeven onder de Nederlandse bevolking om diverse statistieken te maken. Hierbij is sprake van selectieve nonrespons. Er worden diverse pogingen worden gedaan om de respons zo gelijkmatig mogelijk te laten zijn (naar diverse achtergrondkenmerken van personen). Om voor deze nonrespons te corrigeren, voeren we een zogenaamde weging uit, waarbij personen een gewicht krijgen op basis van de onder- of oververtegenwoordiging in de respons. Personen met achtergrondkenmerken die ondervertegenwoordigd zijn in de respons krijgen dan een groter gewicht dan personen met achtergrondkenmerken die oververtegenwoordigd zijn. Zie bijvoorbeeld [1] voor algemene informatie over wegen.
Bij het uitvoeren van een weging zijn er diverse zaken om rekening mee te houden. Zo kan niet voor scheefheid in alle achtergrondkenmerken gecorrigeerd worden, omdat de gewichten dan te extreem zouden worden. Daarnaast is het vaak verstandig om überhaupt voor niet te veel achtergrondkenmerken te corrigeren omdat dit een negatieve invloed heeft op de marges op de schattingen voor de doelvariabelen van een onderzoek. Ook is er een relatie met de doelvariabelen in het onderzoek: op het moment dat er een correlatie is tussen een achtergrondkenmerk en de doelvariabelen van een onderzoek, is het wenselijk als er wél gecorrigeerd wordt voor dat achtergrondkenmerk als dat kenmerk scheef in de respons zit. Het is daarom vaak verstandig om toch zo veel mogelijk te corrigeren voor scheefheid in achtergrondkenmerken.
Het CBS heeft een reguliere werkwijze voor het opstellen en uitvoeren van wegingen voor de reguliere onderzoeken. Een optie die nog niet gebruikt wordt, maar wel interessant lijkt is het uitvoeren van een zogenaamde voorweging. Hierbij wordt min of meer de weging in twee stappen gedaan, waardoor er mogelijk voor meer en/of voor andere achtergrondkenmerken gecorrigeerd kan worden. Wellicht is het mogelijk om eerst een correctie uit te voeren voor nonrespons en vervolgens een verdere weging uit te voeren die meer focust op de doelvariabelen van het onderzoek en achtergrondkenmerken die daarmee correleren. Dit soort type vragen speelt zowel bij de reguliere steekproeven die op het CBS worden uitgevoerd als bij potentiële nieuwe toepassingen.
In deze stage ga je aan de slag om verschillende opties voor de weging te analyseren en te kijken naar verschillen tussen deze opties. Op basis van enkele indicatoren kan er wellicht een afweging worden gemaakt van wat welke situatie de voorkeur krijgt.
Referenties
[1] https://www.cbs.nl/nl-nl/onze-diensten/methoden/statistische-methoden/throughput/throughput/wegen-als-correctie-voor-non-respons