Comparing diagnostic tests: trials in people with discordant test results
Notice bibliographique
Résumé
Diagnostic tests are traditionally compared for accuracy against a gold standard but can also be compared prospectively in a trial. A conventional trial comparing two tests would randomize each participant to a testing strategy, but a more efficient alternative is to give both tests to all participants and follow up those with discordant results. Participants could be randomized before or after testing. The statistical analysis of such a trial has not previously been described. We investigated two estimates of the risk difference for a binary outcome: one based on analysing outcomes as if from a conventional trial and one combining estimates of different parameters in the manner of a decision analysis. We show that the trial estimate and decision analysis estimate are both unbiased and derive approximate formulae for their standard errors. By using the decision analysis estimate (but not the trial estimate), the same precision can be achieved by randomizing before testing as by randomizing after. To avoid destroying equipoise, and to allow consenting and randomizing to be carried out at the same visit, we recommend randomizing before testing. Giving both tests to all participants means fewer need to be recruited: in one example from the literature, the proposed design was nearly four times more efficient in this sense than a conventional trial design.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,313 | 0,690 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,006 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,006 | 0,010 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,010 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».