The Need for Validation of Statistical Methods for Estimating Respiratory Virus-Attributable Hospitalization
Notice bibliographique
Résumé
Public policy regarding influenza has been based largely on the burden of hospitalization estimated through ecologic studies applying increasingly sophisticated statistical methods to administrative databases. None are known to have been validated by observational studies. The authors illustrated how 6 commonly applied statistical methods estimate virus-attributable hospitalization of children 6-23 months of age and compared the estimates with results obtained from a prospective study using virologic assessment. The proportions of pneumonia and influenza and of bronchiolitis hospitalizations attributable to respiratory syncytial virus and/or influenza were derived by using Serfling regression, periseason differences, Poisson regression with log link, negative binomial regression with identity link, and a Box-Jenkins transfer function. No method provided accurate or consistent estimates for both viruses and outcomes. Virus-attributable hospitalization estimates varied widely between statistical methods and between seasons, with greater between-season variation for admissions attributed to influenza compared with respiratory syncytial virus. Sophistication of statistical methods may have been interpreted as assurance that results are more accurate. Without validation against epidemiologic data, with viral etiology confirmed in individual patients, the accuracy of statistical methods in ecologic studies is simply not known. Until these methods are validated, their methodological limitations should be made explicit and proxy estimates used cautiously in guiding public policy.
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 | 0,719 | 0,870 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,012 |
| Communication savante | 0,010 | 0,013 |
| Science ouverte | 0,010 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».