Universitair hoofddocent
Dr. Ir. N. (Nan) van Geloven
Specialismen:
Medische statistiek, causale inferentie, causale predictie
Medische statistiek, causale inferentie, causale predictie
&width=400&height=400)
Even voorstellen
Als biostatisticus werk ik aan het opzetten en analyseren van medische onderzoek. Ik richt mij met name op het personaliseren en evalueren van klinische interventies. De methodologische uitdagingen die ik tegenkom in samenwerkingen met medisch onderzoekers motiveren mij om betere statistische methoden te ontwikkelen.
Ik coördineer onderwijs binnen de masteropleiding Statistics and Data Science (Causal Inference I en II) en geef onderwijs aan (bio)medische promovendi (`Statistical Aspects of Clinical Trials’ en `Basic Methods and Reasoning in Biostatistics').
Ik leid het 'Causal Inference for AI' netwerk tussen Leiden, Delft, Rotterdam en Utrecht en ben lid van de Causal inference Topic Group binnen het internationale STRATOS initiatief. Voorheen was ik lid van de Executive Committee van de International Society of Clincal Biostatistics en editor van Statistica Neerlandica.
Ik heb Toegepaste Wiskunde gestudeerd aan de TU Delft. Ik werkte en promoveerde bij het UMCA, waar ik voorzitter was van het management team van de Clinical Research Unit. Sinds 2015 werk ik bij het LUMC.
Ik coördineer onderwijs binnen de masteropleiding Statistics and Data Science (Causal Inference I en II) en geef onderwijs aan (bio)medische promovendi (`Statistical Aspects of Clinical Trials’ en `Basic Methods and Reasoning in Biostatistics').
Ik leid het 'Causal Inference for AI' netwerk tussen Leiden, Delft, Rotterdam en Utrecht en ben lid van de Causal inference Topic Group binnen het internationale STRATOS initiatief. Voorheen was ik lid van de Executive Committee van de International Society of Clincal Biostatistics en editor van Statistica Neerlandica.
Ik heb Toegepaste Wiskunde gestudeerd aan de TU Delft. Ik werkte en promoveerde bij het UMCA, waar ik voorzitter was van het management team van de Clinical Research Unit. Sinds 2015 werk ik bij het LUMC.
Wetenschappelijk onderzoek
Mijn onderzoek richt zich op causale inferentiemethoden en hoe deze klinische predictiemodellen kunnen versterken. Ik werk vooral aan het voorspellen van tijd-tot-event uitkomsten, waarbij rekening wordt gehouden met behandelingen die in de tijd veranderen. Dit bouwt voort op mijn eerdere werk aan dynamische predictiemodellen en het door mij ontwikkelde ‘prediction estimand’ raamwerk, waarmee behandeleffecten beter in voorspellingen worden meegenomen. Ook ontwikkel ik methoden om (causale) predicties te evalueren.
Momenteel leid ik een werkpakket over causale modelselectie binnen het consortium Safe Causal Inference en een project van de Nationale Wetenschapsagenda over het kwantificeren van onzekerheid in klinische beslisondersteuning. In 2025 ontving ik een persoonlijke Vidi-beurs van ZonMw voor onderzoek naar de klinische impact van predictiealgoritmen in de zorg.
In nationale en internationale samenwerkingen pas ik deze methoden toe op vraagstukken binnen onder meer transfusiegeneeskunde, diabetesonderzoek, fertiliteit, transplantatiegeneeskunde en IC-onderzoek.
Momenteel leid ik een werkpakket over causale modelselectie binnen het consortium Safe Causal Inference en een project van de Nationale Wetenschapsagenda over het kwantificeren van onzekerheid in klinische beslisondersteuning. In 2025 ontving ik een persoonlijke Vidi-beurs van ZonMw voor onderzoek naar de klinische impact van predictiealgoritmen in de zorg.
In nationale en internationale samenwerkingen pas ik deze methoden toe op vraagstukken binnen onder meer transfusiegeneeskunde, diabetesonderzoek, fertiliteit, transplantatiegeneeskunde en IC-onderzoek.
