MétaCan
Menu
Retour à la cohorte
Enregistrement W1989677836 · doi:10.1177/0013164408322027

Comparing Treatment and Control Groups on Multiple Outcomes

2008· article· en· W1989677836 sur OpenAlexaff
Lisa M. Lix, Kathleen Deering, Rachel T. Fouladi, Phongsack Manivong

Notice bibliographique

RevueEducational and Psychological Measurement · 2008
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensUniversity of ManitobaUniversity of British ColumbiaSimon Fraser UniversityUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésStatisticsMathematicsNormalityType I and type II errorsCovarianceHomogeneity (statistics)PopulationStatistical hypothesis testingTreatment and control groupsMultivariate normal distributionAnalysis of covarianceA priori and a posterioriMultivariate statisticsEconometrics

Résumé

récupéré en direct d'OpenAlex

This study considers the problem of testing the difference between treatment and control groups on m ≥ 2 measures when it is assumed a priori that the treatment group will perform better than the control group on all measures. Two procedures are investigated that do not rest on the assumptions of covariance homogeneity or multivariate normality: a likelihood ratio test based on a bootstrap critical value and a composite step-down procedure based on trimmed means. Type I error rates of both procedures are insensitive to assumption violations. Procedures that test a directional alternative hypothesis can be substantially more powerful than a procedure that tests a nondirectional hypothesis for certain configurations of the population mean vectors. The differences in average power of the investigated procedures are a function of the configuration of the population means, the magnitude of correlation among the outcome measures, and the shape of the population distribution.

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)0,001
score de la tête « metaresearch » (Gemma)0,016
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,156
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,879
Tête enseignante GPT0,576
Écart entre enseignants0,303 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducational and Psychological MeasurementMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207