Index Variables for Studying Outcomes in Vascular Cognitive Impairment
Notice bibliographique
Résumé
Multivariable modeling in dementia risk factor studies is limited by the number of factors that can be analyzed practicably. Index variables, which integrate exposures, can efficiently reduce dimensionality. The Consortium to Investigate Vascular Impairment of Cognition study, a Canadian memory-clinic-based 30-month cohort study of 1,347 patients, used a vascular risk factor index (from 20 exposures) and a vascular clinical profile index (17 items). Patients with vascular cognitive impairment had higher index counts compared to those without cognitive impairment (0.16 +/- 0.11 vs. 0.07 +/- 0.07 for the risk factor index and 0.21 +/- 0.16 vs. 0.09 +/- 0.07 for the clinical profile index; p < 0.05). Both the death rate and the rate of cognitive impairment increased exponentially with the index variable (r > 0.90 for each index). The risk ratio for death was 1.12 (95% CI 1.09-1.15) for each increment of the risk factor index and was 1.23 (95% CI 1.1-1.28) for each increment of the clinical profile index. With each index, the areas under the receiver operating characteristic curves for predicting death and institutionalization ranged from 0.73 +/- 0.01 to 0.75 +/- 0.01. Construction of index variables that integrate multidimensional factors is a promising approach to assessing risk in multi-determined states.
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 | 0,105 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».