Logistic regression for the modeling of low-dose radiation effects.
Notice bibliographique
Résumé
The primary goal of this thesis is to examine statistical procedures that determine if a nonlinear threshold dose effect occurs in cancer incidence in animal experiments. This is to say, does there exist a level of radiation which does not increase the risk of cancer in animals? This question will be explored on data over several species of animals (beagles, rats, and mice) and several different sources of radiation (e.g. radium, or plutonium). Here we consider experiments with several groups of animals at several dose levels In mathematical terms, this thesis will determine if a "knee" fit to a logistic regression models the data better than a simple logistic regression curve. The knee is a non-linear kink in the dose response relationship at a specific dose. If there is evidence to support the knee model hypothesis, it can be interpreted to mean that there is evidence of a threshold effect in the dose response. A secondary goal is to determine if two knees will suffice for data sets of this nature. The motivation behind this goal, is that a two knee model should be able to model both a low dose threshold and a high dose drop-off (due to over exposure to radiation, past the Maximally Tolerated Dose, MTD). Any knees above two will generally only contribute to overfitting of the model. Another goal is to give guidelines on the design of experiments, that will assist researchers in determining if a threshold does in fact exist.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».