MétaCan
Menu
Retour à la cohorte
Enregistrement W2048297174 · doi:10.1139/cjfas-2014-0193

A better estimator of mortality rate from age-frequency data

2014· article· en· W2048297174 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.

venuePublié dans une revue dont le pays d'attache est le Canada.
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

RevueCanadian Journal of Fisheries and Aquatic Sciences · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInsurance, Mortality, Demography, Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEstimatorStatisticsConfidence intervalRatio estimatorMathematicsRegressionPopulationLinear regressionEconometricsAutocorrelationSampling (signal processing)Regression analysisBias of an estimatorComputer scienceMinimum-variance unbiased estimatorDemography

Résumé

récupéré en direct d'OpenAlex

The Chapman–Robson and weighted-regression estimators are currently the two preferred methods for estimation of instantaneous mortality, z, from a cross-sectional sample of age-frequency data. They are derived under the assumption of steady-state population dynamics. Here, a new estimator is developed from a population model that explicitly includes annual variability in recruitment. The new estimator is trivial to implement using existing generalized linear mixed model software. It is vastly superior to both the Chapman–Robson and weighted-regression estimators under a wide range of simulation scenarios in which sources of variability include partial recruitment to the fishery, autocorrelated annual recruitment, variability in annual survival, ageing error, and sampling randomness. All estimators produced confidence intervals that had lower actual coverage than their nominal 95% coverage. Nonetheless, the new estimator had the highest actual coverage, and under some scenarios this was achieved with a narrowest confidence interval.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,193
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,003
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,059
Tête enseignante GPT0,298
Écart entre enseignants0,239 · 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