MétaCan
Menu
Retour à la cohorte
Enregistrement W2067883763 · doi:10.1111/j.1541-0420.2008.01013.x

Bayesian Estimation of Inverse Dose Response

2008· article· en· W2067883763 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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
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

RevueBiometrics · 2008
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueOptimal Experimental Design Methods
Établissements canadiensnon disponible
Organismes subventionnairesNational Science Foundation
Mots-clésMaximum a posteriori estimationPosterior probabilityBayesian probabilityBayesian inferenceMathematicsPosterior predictive distributionStatisticsPrior probabilityA priori and a posterioriComputer scienceBayes estimatorInverse problemBayesian linear regressionAlgorithmMaximum likelihood

Résumé

récupéré en direct d'OpenAlex

SUMMARY: Inverse dose-response estimation refers to the inference of an effective dose of some agent that gives a desired probability of response, say 0.5. We consider inverse dose response for two agents, an application that has not received much attention in the literature. Through the posterior profiling technique (Hsu, 1995, The Canadian Journal of Statistics 23, 399-410), we propose a Bayesian method in which we approximate the marginal posterior distribution of an effective dose using a profile posterior distribution, and obtain the maximum a posteriori (MAP) estimate for the effective dose. We then employ an adaptive direction sampling algorithm to obtain the highest posterior density (HPD) credible region for the effective dose. Using the MAP and HPD estimates, investigators will be able to simultaneously calibrate the levels of two agents in dose-response studies. We illustrate our proposed Bayesian method through a simulation study and two practical examples.

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)0,005
score de la tête « metaresearch » (Gemma)0,025
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,403
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,014
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,263
Tête enseignante GPT0,463
Écart entre enseignants0,200 · 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