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.
Notice bibliographique
Résumé
Decision-analytic software commonly used to implement discrete Markov models requires transitions to occur between simulated health states either at the beginning or at the end of each cycle. The result is an over- or underestimation, respectively, of quality-adjusted life expectancy and cost, compared with the results that would be obtained if transitions were modeled to occur randomly throughout each cycle. The standard half-cycle correction (HCC) is used to remedy the bias. However, the standard approach to the HCC is problematic: It does not account for discounting or for the shape of intermediate state membership functions. Application of the standard approach to the HCC also has no numerical effect on the resulting incremental cost-effectiveness ratio or change in net health benefit under certain circumstances. Alternatives to the standard HCC, in order of ease of use, include no correction, the life-table approach, the cycle-tree method, and a correction based on Simpson's rule. For less complex decision models in which the computational burden is not large, reducing the cycle length to a month or less and using no correction should result in small estimation biases. With more complex models, where cycle lengths larger than 1 month may be necessary to make computation feasible, we recommend the cycle tree approach. The latter is relatively easy to apply and has an intuitive appeal: Hypothetical subjects who transition from one state to another, on average halfway through a cycle, should receive half of the value associated with the state from which they come and half the value of the state to which they are going.
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 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 | 0,018 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,016 |
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 découle