ADM - Žežula I., Klein D., Roy A.: Testing of multivariate data with exchangeable block covariance structure, Test 27:2 (2018), pp. 360–378. Citácie 4.

ADC - Škorvánek M., Martinez-Martin P., Kovacs N., Žežula I., Rodriguez-Violante M., Corvol J.-C., Taba P., Seppi K., Levin O., Schrag A. et al.: Relationship between the MDS-UPDRS and Quality of Life: A large multicenter study of 3206 patients, Parkinsonism & Related Disorders 52 (2018), pp. 83-89. Citácie 54.

ADM - Kopčová V., Žežula I.: On intraclass structure estimation in the growth curve model, Statistical Papers 61:3 (2020), pp. 1085-1106. Citácie 3.

ADC - Tonelli Gombalová Z., Košuth J., Alexovič Matiašová A., Zrubáková J., Žežula I., Giallongo T., Di Giulio A.M., Carelli S., Tomašková L., Daxnerová Z., Ševc J.: Majority of cerebrospinal fluid-contacting neurons in the spinal cord of C57Bl/6N mice is present in ectopic position unlike in other studied experimental mice strains and mammalian species, Journal of Comparative Neurology 528:15 (2020), pp. 2523-2550. Citácie 12.

ADM - Jurková V., Žežula I., Klein D., Hutník O.: Unbiased estimator of correlation coefficient, Communications in Statistics - Theory and Methods 51:1 (2022), pp. 95-115. Citácie 3.

VEGA 1/0585/24: Metódy pre efektívnu analýzu a modelovanie ekonomických a medicínskych dát s komplexnými štruktúrami, zástupca vedúceho projektu, 2024-2027.

Anotácia: Projekt sa zaoberá výskumom efektívnych matematicko-štatistických metód v analýze a modelovaní komplexných dátových štruktúr v reálnych systémoch z rôznych oblastí ľudskej činnosti (najmä ekonómia, medicína, prírodné a sociálne vedy, technické vedy a inžinierstvo) s využitím moderných technológií a digitálných nástrojov štatistiky a dátovej vedy. Základnými oblasťami výskumu sú:

1. analýza mnohorozmerných a vysokodimenzionálnych dát so zvláštnym zreteľom ku komplexným dátovým štruktúram závislosti,

2. analýza modelov a štúdium výpočtovej zložitosti problémov motivovaných prideľovaním nedostatkových zdrojov,

3. štúdium problémov kolektívneho rozhodovania, výpočtové a optimalizačné metódy pri modelovaní, predikcii a meraní v reálnych systémoch pomocou časových radov a longitudinálnych dát s využitím simulačných experimentov a vysokovýkonného počítania pri hodnotení ich efektívnosti,

4. vývoj softvérovej podpory pre príslušné analýzy.

VEGA 1/0097/24: Digitálna zdravotná gramotnosť starších dospelých ako nástroj podpory aktívneho starnutia, člen RK, 2024-2026.

Anotácia: Aktívne starnutie je proces optimalizácie príležitostí pre zdravie, participáciu a bezpečnosť s cieľom podporiť kvalitu života ľudí v priebehu ich starnutia. Starší dospelí už môžu mať zdravotné problémy, ktoré si vyžadujú kontinuálny manažment. Na zabezpečenie ich prístupu k poznatkom o zdraví je v digitálnej ére potrebné podporovať rozvoj ich digitálnej zdravotnej gramotnosti (DHL). DHL predstavuje schopnosť jednotlivcov získavať, spracovávať, komunikovať a chápať zdravotné informácie a robiť efektívne rozhodnutia pre podporu a zlepšovanie zdravia v kontexte používania digitálnych technológií. Cieľom projektu je zlepšenie kvality života a podpora aktívneho starnutia starších dospelých prostredníctvom rozvoja ich DHL. Na základe zistenia úrovne, vzdelávacích potrieb, facilitátorov a bariér bude navrhnutá a implementovaná pilotná intervencia. Po overení jej efektívnosti bude odporúčaná ako príklad dobrej praxe v oblasti politík a stratégií podpory aktívneho starnutia v podmienkach Slovenska.

APVV-22-0587: Behaviorálne inovácie v manažmente chronických chorôb, člen RK, 2023-2027.

Anotácia: Mnohé z najnaliehavejších zdravotných výziev súčasnosti majú silný behaviorálny komponent. Viac ľudí ako kedykoľvek predtým žije dlhšie s chronickými ochoreniami, ako sú obezita, diabetes 2. typu, srdcové ochorenia, neurologické a muskuloskeletálne ochorenia a problémy duševného zdravia. Behaviorálne, psychosociálne a environmentálne faktory zohrávajú významnú úlohu pri rozvoji a progresii chronických ochorení. Zmena správania pre dosiahnutie účinnej prevencie chorôb a podpory self-manažmentu môže zlepšiť adherenciu k liečbe, zdravotné výsledky, adjustáciu na ochorenie, a kvalitu života ľudí žijúcich s chronickým ochorením. Vedecké poznatky o vývoji intervencií na zmenu správania pacientov s chronickým ochorením sa snažia maximalizovať dosah, účinnosť, prijatie, implementáciu a udržanie týchto intervencií. Rozširovanie nových služieb a technológií, vrátane mHealth technológií, ponúka príležitosti na celoplošné rozšírenie rozsahu poskytovania multisektorálnych nízkonákladových intervencií na podporu zmeny správania a self-manažmentu. Umožňuje to tiež testovať nové metódy rýchleho a agilného vývoja intervencií. Hlavným cieľom tohto transdisciplinárneho projektu je prehĺbiť naše porozumenie a zvýšiť kompetencie na poskytovanie inovatívnych, efektívnych a na dôkazoch založených behaviorálnych intervenčných programov na zmenu zdravotného správania v bežnej klinickej praxi. Potenciálne výhody behaviorálnych intervencií sú viacnásobné, pretože sú často veľmi lacné, ľahko rozšíriteľné a relatívne nenáročné. To je obzvlášť dôležité v kontexte nedostatočne financovaných a preťažených systémov zdravotnej starostlivosti.

APVV-17-0568: Aplikácie matematických metód v ekonomickom a medicínskom rozhodovaní, vedúci projektu, 2018-2022.

Anotácia: Projekt sa zaoberá vývojom a aplikáciou matematických metód v ekonomickom a medicínskom rozhodovaní. Čiastkové ciele:

1. Aplikácia a výskum metód lineárneho modelovania a optimálnych empirických predikcií v ekonometrických a medicínskych dátach.

2. Analýza jedno- i viacrozmerných medicínskych dát so zvláštnym zreteľom k lineárnym a zovšeobecneným lineárnym modelom.

3. Rozhodovanie o optimálnej alokácii vo finančných portfóliách s prítomnosťou neistoty v parametroch.

4. Výskum a porovnanie modelov vyhľadávania a prideľovania obličiek pre transplantácie a príbuzných modelov.

5. Vývoj softwaru pre príslušné analýzy.

APVV-21-0369: Optimálne rozhodovacie a riadiace metódy v komplexných dátových štruktúrach, vedúci projektu, 2022-2026.

Anotácia: Projekt sa zaoberá vývojom a aplikáciou matematických metód pre optimálne rozhodovanie a riadenie procesov v podmienkach komplexných dátových štruktúr. Čiastkové ciele:

1. Aplikácia a výskum metód lineárneho modelovania a optimálnych empirických predikcií v ekonometrických, medicínskych a spoločensko-vedných dátach.

2. Analýza viacrozmerných a vysokodimenzionálnych medicínskych dát so zvláštnym zreteľom ku komplexným dátovým štruktúram.

3. Štúdium mier neistoty a rizika na finančných trhoch a dopady negatívnych úrokových mier a kľúčové faktory v problémoch investičného rozhodovania.

4. Vývoj softwaru pre príslušné analýzy.