MétaCan
Menu
Retour à la cohorte
Enregistrement W2075346150 · doi:10.1080/08898480109525500

A non‐linear model of fecundability, postpartum amenorrhea, and sterility

2001· article· en· W2075346150 sur OpenAlexaboutno aff
Sharon Yan, Ulla Larsen

Notice bibliographique

RevueMathematical Population Studies · 2001
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInsurance, Mortality, Demography, Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFertilityStatisticsSterilityStandard deviationAmenorrheaMathematicsDemographyTotal fertility rateGynecologyMedicinePopulationBiologyPregnancyFamily planning

Résumé

récupéré en direct d'OpenAlex

This paper proposes a convolution model of fecundability, controling for the effects of postpartum amenorrhea and unobserved heterogeneity in fecundability. Simulation analysis was used to assess the validity and reliability of estimates derived from the model. Analysis showed that the model captured the mean and standard deviation of age at the onset of sterility in simulated populations where sterility followed either a Gompertz, a gamma, or a lognormal distribution. The model performed well when sterility was specified by either a lognormal or a gamma distribution. The model also accurately estimated fecundability and postpartum amenorrhea. Next, the model was found to fit data from 17th and 18th century French Canadian birth histories. In this French Canadian sample the mean age at sterility was found to be 46.3 years using a gamma model. The decline in fecundability was almost linear after age 30. Thus, fecundability at age 40 had declined to about one‐third of that observed at age 30. Variability in individual fecundability was quite high. For example, women with fecundability one standard deviation above the mean had about 2.3 times as high fecundability as women one standard deviation below the mean.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,096
Tête enseignante GPT0,389
Écart entre enseignants0,294 · 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'étudeSimulation ou modélisation
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

Citations7
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Population StudiesMême sujetInsurance, Mortality, Demography, Risk ManagementTravaux en français237 207