Snapshot of Statistical Methods Used in Geriatric Cohort Studies: How Do We Treat Missing Data in Publications?
Notice bibliographique
Résumé
Background: Geriatric studies often miss data of frail participants. The aim of this paper is to explore which missing data methodologies have entered current practice and to discuss the potential impact of ignoring the issue. Methods: A Sample of 103 articles was drawn from key cohort studies: Health ABC, InCHIANTI, LASA, BLSA, EPESE, and KLoSHA. The studies were classified according to missing data methodologies used. Results: Seventy-seven percent described the selected analysis data set and only 28% used a method of handling all available observations per case. Missing data dedicated methods were rare (< 10%), applying single or multiple imputations for baseline variables. Studies with longer follow-up periods more often employed longitudinal analysis methodologies. Conclusions: Despite the recognition that missing data is a major problem in studies of older persons, few published studies account for missing data using limited methodologies; this could affect the validity of study conclusions. We propose researchers apply Joint Modeling of longitudinal and time-to-event data, using shared-parameter model.
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 | 0,475 | 0,783 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,012 | 0,019 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,010 | 0,014 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».