MétaCan
Menu
Retour à la cohorte
Enregistrement W2069458909 · doi:10.1093/aje/kwu463

Re: "Analyzing Risks of Adverse Pregnancy Outcomes"

2015· letter· en· W2069458909 sur OpenAlexaff
Allen J. Wilcox, Clarice R. Weinberg, Olga Basso, Quaker E. Harmon

Notice bibliographique

RevueAmerican Journal of Epidemiology · 2015
Typeletter
Langueen
DomaineMedicine
ThématiqueBirth, Development, and Health
Établissements canadiensMcGill UniversityRoyal Victoria HospitalMcGill University Health CentreRoyal Victoria Regional Health Centre
Organismes subventionnairesNational Institutes of Health
Mots-clésGestational agePopulationSelection biasColliderMedicinePregnancySelection (genetic algorithm)ObstetricsPhysicsComputer science

Résumé

récupéré en direct d'OpenAlex

In a recent article, Kramer et al. (1) addressed the “gestational age paradox,” in which an exposure that exerts a harmful influence overall appears protective among babies born preterm. The authors illustrated this phenomenon by comparing the perinatal mortality of singletons with that of twins. They proposed that the observed reversal of comparative risk across the gestational age range is due to a type of selection bias (1). However, their proposed selection bias requires more evidence to be convincing. We previously suggested a different possible mechanism for this paradox (2, 3). Using simple scenarios, we posited unmeasured factors that could cause both early birth and neonatal death. Such factors would make gestational age at birth a “collider” in the analysis of factors (such as twinning) that also cause early birth. The unmeasured factors would produce a form of selection bias (4), in that babies born early are not a random sample of the population of fetuses. This bias distorts analyses that condition on gestational age at birth. We show explicitly in our scenarios how unmeasured factors can make a harmful exposure appear protective at early gestational ages (2, 3). Kramer et al. regard our assumption of unmeasured factors as unnecessarily speculative. They prefer their explanation as more parsimonious and thus more plausible. Perhaps they are right—but their own explanation lacks an explicit demonstration. The authors argue indirectly by analogy and by broad resolution of the paradox through fetuses-at-risk analysis. Can they show directly, as we did—in a simple numerical example with realistic parameters—the precise mechanism of the selection bias they propose, and how that mechanism could produce the empirical paradox? This research was supported by the Intramural Research Program of the National Institutes of Health, National Institute of Environmental Health Sciences. Conflict of interest: none declared.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,028
score de la tête « metaresearch » (Gemma)0,117
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,147

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,117
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0020,010
Communication savante0,0050,008
Science ouverte0,0040,004
Intégrité de la recherche0,0080,014
Charge utile insuffisante (le modèle a refusé de juger)0,0220,012

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 Opus0,157
Tête enseignante GPT0,425
Écart entre enseignants0,268 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

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

En bref

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of EpidemiologyMême sujetBirth, Development, and HealthTravaux en français237 207