MétaCan
Menu
Retour à la cohorte
Enregistrement W2066581144 · doi:10.1002/sim.2546

Bivariate models for co‐aggregation of dichotomous traits in twins

2006· article· en· W2066581144 sur OpenAlexaff
Mohamed M. Shoukri, Allan Donner

Notice bibliographique

RevueStatistics in Medicine · 2006
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueReliability and Agreement in Measurement
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésBivariate analysisTwin studyCorrelationDizygotic twinTraitStatisticsSimilarity (geometry)EconometricsDizygotic twinsPopulationGenetic correlationMonozygotic twinPsychologyHeritabilityMathematicsDemographyBiologyComputer scienceMedicineGeneticsGenetic variationArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The study of twins is widely used for research into genetic and environmental influences on human traits. Study designs in which independent samples of monozygotic and dizygotic twins are compared with respect to their similarity have focused on single binary trait. However, the risk of co-occurrence of more than one disease in twins is a parameter of interest to genetic epidemiologists and other investigators. For example, they may be interested in assessing the genetic and environmental etiologies of reading deficits (RD) and attention deficit hyperactivity disorder (ADHD) and their co-morbidity. In this paper, we present statistical methodology for the estimation of twin similarity with respect to two dichotomous traits measured on each member of the twin pair. For two sample problems, several test procedures that account for the correlation between twins and the correlation between traits are presented. An example based on the Australian population-based twin registry published data is given to illustrate the methodology.

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 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)0,006
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,885
Score d'incertitude au seuil0,423

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,136
Tête enseignante GPT0,408
Écart entre enseignants0,272 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStatistics in MedicineMême sujetReliability and Agreement in MeasurementTravaux en français237 207