<i>Z</i>‐scores and the birthweight paradox
Notice bibliographique
Résumé
Investigators have long puzzled over the observation that low-birthweight babies of smokers tend to fare better than low-birthweight babies of non-smokers. Similar observations have been made with regard to factors other than smoking status, including socio-economic status, race and parity. Use of standardised birthweights, or birthweight z-scores, has been proposed as an approach to resolve the crossing of the curves that is the hallmark of the so-called birthweight paradox. In this paper, we utilise directed acyclic graphs, analytical proofs and an extensive simulation study to consider the use of z-scores of birthweight and their effect on statistical analysis. We illustrate the causal questions implied by inclusion of birthweight in statistical models, and illustrate the utility of models that include birthweight or z-scores to address those questions. Both analytically and through a simulation study we show that neither birthweight nor z-score adjustment may be used for effect decomposition. The z-score approach yields an unbiased estimate of the total effect, even when collider-stratification would adversely impact estimates from birthweight-adjusted models; however, the total effect could have been estimated more directly with an unadjusted model. The use of z-scores does not add additional information beyond the use of unadjusted models. Thus, the ability of z-scores to successfully resolve the paradoxical crossing of mortality curves is due to an alteration in the causal parameter being estimated (total effect), rather than adjustment for confounding or effect decomposition or other factors.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,028 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».