Meta-analysis of longitudinal studies
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
BACKGROUND: Longitudinal studies typically report estimates of the effect of a treatment or exposure at various times during the course of follow-up. Meta-analyses of these studies must account for correlations between effect estimates from the same study. PURPOSE: To describe and contrast alternative approaches to handling correlations inherent to longitudinal effect estimates in meta-analyses. METHODS: Linear mixed-effects models can account for correlations in a number of ways. We considered three alternatives: including study-specific random-effects, correlated time-specific random-effects or a general multivariate specification that also allows correlated within-study residuals. Data from a review of studies of the effect of deep-brain stimulation (DBS) in patients with Parkinson's disease are used to illustrate the application of these models. RESULTS: are contrasted with those from a naïve meta-analysis in which the correlations are ignored. Results The data included 46 studies that yielded 82 estimates of the effect of DBS measured at 3, 6, 12 months or later after implantation of the stimulator. Models that accounted for correlations, particularly the full multivariate specification, provided better fit (lower AIC) and yielded slightly more precise effect estimates. This was in part due to a relatively extreme observation from a study that provided similar estimates at other times, which in the naïve approach exerts greater influence since it is treated as an independent observation. LIMITATIONS: Since the true values of the parameters are not known, it is impossible to confirm that estimates from the multivariate approach are necessarily more accurate. CONCLUSION: Standard meta-analytic models can be readily extended to account for correlations between effects in longitudinal studies. These models may provide better fit and possibly more precise summary effect estimates.
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 | 0,014 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,036 | 0,032 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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