MétaCan
Menu
Retour à la cohorte
Enregistrement W1982616925 · doi:10.1002/cjs.11198

A semiparametric linear transformation model to estimate causal effects for survival data

2013· article· en· W1982616925 sur OpenAlexvenueaboutno aff
Huazhen Lin, Yi Li, Liang Jiang, Gang Li

Notice bibliographique

RevueCanadian Journal of Statistics · 2013
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer InstituteProgram for New Century Excellent Talents in UniversityNational Natural Science Foundation of ChinaNational Science Foundation
Mots-clésSemiparametric regressionSemiparametric modelEstimatorTransformation (genetics)EconometricsMathematicsParametric statisticsProportional hazards modelGeneralized linear modelLinear regressionEstimating equationsLinear modelStatisticsPower transformData transformationApplied mathematicsComputer scienceData mining

Résumé

récupéré en direct d'OpenAlex

Abstract Semiparametric linear transformation models serve as useful alternatives to the Cox proportional hazard model. In this study, we use the semiparametric linear transformation model to analyze survival data with selective compliance. We estimate regression parameters and the transformation function based on pseudo‐likelihood and a series of estimating equations. We show that the estimators for the regression parameters and transformation function are consistent and asymptotically normal, and both converge to their true values at the rate of , the convergence rate expected for a parametric model. The practical utility of the methods is confirmed via simulations as well as an application of a clinical trial to evaluate the effectiveness of sentinel node biopsy in guiding the treatment of invasive melanoma. The Canadian Journal of Statistics 42: 18–35; 2014 © 2013 Statistical Society of Canada

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,143
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,265
Score d'incertitude au seuil0,864

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,143
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,574
Tête enseignante GPT0,533
Écart entre enseignants0,041 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of StatisticsMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207