Interpreting data in the face of competing explanations: assessing the hypothesis that observed spontaneous clearance of Helicobacter pylori was all measurement error
Notice bibliographique
Résumé
BACKGROUND: We previously reported frequent transient positive urea breath tests for Helicobacter pylori infection in a cohort study of young children, and interpreted this as evidence of frequent spontaneous clearance of this infection. In a commentary, Perry and Parsonnet suggested that all transient positive tests we observed could be false positives and thus the appearance of transient infection could be an artifact. METHODS: We address the logic of the implicit argument that the transient infections were an artifact and we demonstrate a simple likelihood calculation to assess the plausibility of competing explanations. We calculate the likelihood of observing our data based on a range of clearance and measurement error rates and then how this updates a set of prior beliefs. RESULTS: The likelihood calculations and resulting posterior probabilities show strong support for the hypothesis of spontaneous clearance, after allowing for measurement error, even starting with a very high prior probability of no spontaneous clearance. The scenario Perry and Parsonnet present is incompatible with our data, and thus not a plausible explanation for our observations. Attributing most observed transient infections to measurement error requires assuming a high false positive rate and a very low infection rate and/or a high false negative rate, alternatives that are not supported by evidence. CONCLUSIONS: Acknowledgment of plausible levels of measurement error does not change the strong support our data provides for the hypothesis of frequent transient infection. Debate about competing explanations for observations should be accompanied by quantitative analysis that shows which is more plausible. We demonstrate one method for doing such analysis.
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 | 0,280 | 0,719 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,011 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,007 | 0,008 |
| 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 ».