Level of aggregation for optimal epidemiological analysis: the case of time to surgery and unnecessary removal of the normal appendix
Notice bibliographique
Résumé
STUDY OBJECTIVE: To illustrate the concept of "individualised fallacy", the result of improper interpretation and inference about aggregate level associations on the basis of associations at the individual level, in epidemiology. DESIGN: Cohort study. SETTING: Canadian province of Ontario. PATIENTS: All patients who underwent primary appendicectomy in 175 Ontario hospitals from 1989 to 1992. The association between rate of normal appendix removal and time to surgery was analysed at two levels: (1) at individual patient level, in which, for each patient, the exact number of days to surgery was derived, and (2) at hospital level, in which hospital specific proportions of time to surgery was calculated. MAIN RESULTS: Measured at individual level, compared with patients who had an operation on the same day of admission, the odds ratio was 2.41 (95% confidence intervals 2.28, 2.56) for patients who had an operation > 1 day after admission. Measured at hospital level, each 10% increase in the proportion of patients who had an operation > 1 day after admission resulted in a 15% reduction in the odds of normal appendix removal (odds ratio 0.85, 95% confidence intervals 0.82, 0.88) CONCLUSIONS: In this case study, hospital level measure correctly predicted a reduction in the rate of normal appendix removal by delaying surgery, whereas individual level measure biased the direction of the relation to the opposite. This example illustrates that bias in across level inference can occur either at individual or ecological level. The preferred level of analysis is the one that minimises confounding; often, it must be selected on the basis of a priori knowledge of the subject area.
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 | 0,028 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,001 |
| 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 ».