Impact of the model‐building strategy on inference about nonlinear and time‐dependent covariate effects in survival analysis
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
Cox's proportional hazards (PH) model assumes constant-over-time covariate effects. Furthermore, most applications assume linear effects of continuous covariates on the logarithm of the hazard. Yet, many prognostic factors have time-dependent (TD) and/or nonlinear (NL) effects, that is, violate these conventional assumptions. Detection of such complex effects could affect prognosis and clinical decisions. However, assessing the effects of each of the multiple, often correlated, covariates in flexible multivariable analyses is challenging. In simulations, we investigated the impact of the approach used to build the flexible multivariable model on inference about the TD and NL covariate effects. Results demonstrate that the conclusions regarding the statistical significance of the TD/NL effects depend heavily on the strategy used to decide which effects of the other covariates should be adjusted for. Both a failure to adjust for true TD and NL effects of relevant covariates and inclusion of spurious effects of covariates that conform to the PH and linearity assumptions increase the risk of incorrect conclusions regarding other covariates. In this context, iterative backward elimination of nonsignificant NL and TD effects from the multivariable model, which initially includes all these effects, may help discriminate between true and spurious effects. The practical importance of these issues was illustrated in an example that reassessed the predictive ability of selected biomarkers for survival in advanced non-small-cell lung cancer. In conclusion, a careful model-building strategy and flexible modeling of multivariable survival data can yield new insights about predictors' roles and improve the validity of analyses.
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 | 0,002 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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