Inverse probability weighted estimating equations for randomized trials in transfusion medicine
Notice bibliographique
Résumé
Thrombocytopenia is a condition characterized by extremely low platelet counts, which puts patients at elevated risk of morbidity and mortality because of bleeding. Trials in transfusion medicine are routinely designed to assess the effect of experimental platelet products on patients' platelet counts. In such trials, patients may receive multiple platelet transfusions over a predefined period of treatment, and a response is available from each such administration. The resulting data comprised multiple responses per patient, and although it is natural to want to use this data in testing for treatment effects, naive analyses of the multiple responses can yield biased estimates of the probability of response and associated treatment effects. These biases arise because only subsets of the patients randomized contribute response data on the second and subsequent administrations of therapy and the balance between treatment groups with respect to potential confounding factors is lost. We discuss the design and analysis issues involved in this setting and make recommendations for the design of future platelet transfusion trials.
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 | 0,264 | 0,526 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,003 |
| Méta-épidémiologie (sens large) | 0,014 | 0,007 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,008 | 0,005 |
| Intégrité de la recherche | 0,008 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,004 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».