A Bayesian Meta-analysis of Prophylactic Granulocyte Colony-Stimulating Factor and Granulocyte-Macrophage Colony-Stimulating Factor in Children with Cancer
Notice bibliographique
Résumé
The purpose of this analysis was to examine the efficacy of prophylactic hematopoietic colony-stimulating factors (CSFs) in pediatric cancer and to describe how a Bayesian meta-analysis can be conducted and then modified to incorporate information not readily included in a frequentist meta-analysis. Three Bayesian models were developed. The simplest model used the same data as a published frequentist meta-analysis. The second model included data that could not easily be incorporated into the frequentist meta-analysis, including data from different courses of chemotherapy and continuous outcomes that did not report variance estimates. The third model examined the effect of CSF type (granulocyte CSF vs. granulocyte-macrophage CSF). Compared with the frequentist model, the Bayesian model with the most data suggested a greater benefit of CSFs, with a 3.2-day reduction in duration of parenteral antibiotics (95% credible interval: -7.1, 0.7) in the expanded Bayesian model compared with a 0.8-day (95% confidence interval: -2.3, 0.7) reduction in the frequentist model. Bayesian meta-analysis also suggested that, compared with granulocyte-macrophage CSF, granulocyte CSF was associated with a 4.8-day decrease in the duration of parenteral antibiotics. Bayesian meta-analysis can readily include information not easily incorporated in a frequentist meta-analysis. Some treatment effect estimates were larger by a clinically important amount when additional data contributed to the pooled estimate.
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 | 0,028 | 0,064 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,034 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».