MétaCan
Menu
Retour à la cohorte
Enregistrement W2030743452 · doi:10.1002/bimj.200710376

Estimation and Confidence Regions for Multi‐Dimensional Effective Dose

2007· article· en· W2030743452 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueBiometrical Journal · 2007
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensnon disponible
Organismes subventionnairesU.S. NavyUniversity of Wisconsin-MadisonWisconsin Sea Grant Institute, University of WisconsinRyerson UniversityNational Oceanic and Atmospheric AdministrationNational Science Foundation
Mots-clésUnivariateConfidence intervalLogistic regressionStatisticsRange (aeronautics)MathematicsConfidence regionMultivariate statisticsComputer scienceEconometricsEngineering

Résumé

récupéré en direct d'OpenAlex

The problem of finding confidence regions for multiple predictor variables corresponding to given expected values of a response variable has not been adequately resolved. Motivated by an example from a study on hyperbaric exposure using a logistic regression model, we develop a conceptual framework for the estimation of the multi-dimensional effective dose for binary outcomes. The k -dimensional effective dose can be determined by conditioning on k - 1 components and solving for the last component as a conditional univariate effective dose. We consider various approaches for calculating confidence regions for the multi-dimensional effective dose and compare them via a simulation study for a range of possible designs. We analyze data related to decompression sickness to illustrate our procedure. Our results provide a practical approach to finding confidence regions for predictor variables for a given response value.

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.

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)0,008
score de la tête « metaresearch » (Gemma)0,239
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,514
Score d'incertitude au seuil0,768

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,239
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,634
Tête enseignante GPT0,621
Écart entre enseignants0,014 · 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