Interval Estimation of Some Epidemiological Measures of Association
Notice bibliographique
Résumé
In epidemiological cohort studies, the probability of developing a disease for individuals in a treatment/intervention group is compared with that of a control group. The groups involve varying cluster sizes, and the binary responses within each cluster cannot be assumed independently. Three major measures of association used to report the efficacy of treatments or effectiveness of public health intervention programs in case of prospective studies are Risk Difference (RD), Risk Ratio (RR) and Relative Risk Difference (RED). The preference of one measure of association over the other in drawing statistical inference depends on design of study. Lui (2004) discusses a number of methods of constructing confidence intervals for each of these measures. Specifically, Lui (2004) discusses four methods for RD, four methods for RR and three methods for RED. For the construction of confidence intervals for RD, Paul and Zaihra (2008) compare the four methods discussed by Lui (2004), using extensive simulations with a method based on an estimator of the variance of a ratio estimator by Cochran (1977) and a method based on a sandwich estimator of the variance of the regression estimator using the generalized estimating equations approach of Zeger and Liang (1986). Paul and Zaihra (2008) conclude that the method based on an estimate of the variance of a ratio estimator performs best overall. In this paper, we extend the two new methodologies introduced in Paul and Zaihra (2008) to confidence interval construction of the risk measures RR and RED. Extensive simulations show that the method based on an estimate of the variance of a ratio estimator performs best overall for constructing confidence interval for the other two risk measures RR and RED as well. This method involves a very simple variance expression which can be implemented with a very few computer codes. Therefore, it can be considered as an easily implementable alternative for all the three measures of association.
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 | 0,067 | 0,312 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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; 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 ».