Notice bibliographique
Résumé
Interval-censoring occurs in survival analysis when the time until an event of interest is not known precisely (and instead, only is known to fall into a particular interval). Such censoring commonly is produced when periodic assessments (usually clinical or laboratory examinations) are used to assess if the event has occurred. My objectives were to raise awareness about interval-censoring including its existence, the potential ramifications of ignoring its existence, the different types of interval-censored data, and the analytical methods to analyze such data (including availability in standard statistical software). Asynchronous interval-censored survival analysis was demonstrated by parametric evaluation of risk factors for the time to first detected shedding of Salmonella muenster (identified by repeated periodic fecal cultures) for a herd of dairy cows. These results were compared with those from survival analyses which ignored or approximated the interval-censoring. Ignoring or approximating the asynchronous interval-censoring in the survival analysis generally resulted in the risk factors' regression coefficients having the same signs and a decrease (often >50%) in their absolute size. All the standard errors from the three methods of approximating the interval-censoring were <40% of their interval-censored counterparts. The conclusions drawn from the asynchronous interval-censored analysis versus those from the approximations varied dramatically. (The general conclusion from the approximations was that none of the risk factors for this example warranted further consideration.) That ignoring or approximating the left- and interval-censored nature of the dependent variable resulted in biased results was consistent with the literature. In the currently available asynchronous interval-censored models, the inclusion of time-dependent covariates that vary continuously is awkward. Statistical models for the semi-parametric estimation of asynchronous interval-censored survival analysis are not generally available in standard statistical software.
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 | 0,019 | 0,080 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».