Improving the accuracy of long‐term prognostic estimates in hepatitis C virus infection
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
Obtaining unbiased estimates of HCV prognosis is difficult because of potential biases associated with study design and calculation methods. We propose a new method for estimating fibrosis progression rates. A Markov model with fibrosis health states (F0-F4) was created. The maximum likelihood method was used to estimate stage-specific progression rates. We compared the standard method to the new method using two well-known cohort studies. The known stage distribution at the end of follow-up was compared with stage predicted by the Markov model using both methods of calculating transition rates. We also compared rates obtained using both methods to known fibrosis rates in a series of Monte Carlo simulations. For Kenny-Walsh's study (1999), transition rates between F0-F1, F1-F2, F2-F3, and F3-F4 were 0.042, 0.045, 0.097 and 0.070 fibrosis units/year (new method) and 0.045 units/year (standard method). The new method predicted fibrosis stage and known transition rates in Monte Carlo simulations more accurately. The standard method underestimates 30-year cirrhosis rates by up to 40%. The new (Markov maximum likelihood or MML) method allows accurate estimation of stage-specific transition probabilities from the many studies in which only a single biopsy is available. Application of the method supports the hypothesis that rates of fibrosis vary between stages.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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