Tests of association under misclassification: Application to histological sampling in oncology
Notice bibliographique
Résumé
Subjects in tumour studies are often misclassified with respect to histologic features that are not routinely recorded in diagnostic reports and that display heterogeneity within tumours. Pathologic analysis of the tumours may miss the feature of interest if the pathologist was not alerted to detail the microscopic feature of interest or if it is not present in the selected specimens. In this setting, only the subjects for whom the outcome is not found are potentially misclassified. Analyses of associations between the observed, potentially misclassified, outcome and a second outcome are invalid if the probability of misclassification depends on the second outcome. Three natural tests of association based on the observed data depend on different numbers of nuisance parameters. Most promising is a test based on the ratio of proportions of the observed feature. We illustrate this test using a study of the association of imaging parameters with genetic features in subjects with oligodendroglioma, a common brain tumour. In this study, calcification, a feature related to the imaging parameters, was potentially misclassified as not present.
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 | 0,461 | 0,756 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,009 | 0,012 |
| Études des sciences et des technologies | 0,004 | 0,025 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,009 | 0,008 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».