Accuracy Loss Due to Selection Bias in Cohort Studies with Left Truncation
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
BACKGROUND: Selection is a common problem in paediatric and perinatal epidemiology, and truncation can be thought of as missing person time that can result in selection bias. Left truncation, also known as late or staggered entry, may induce selection bias and/or adversely affect precision. There are two kinds of left truncation: fixed left truncation where the start of follow-up is initiated at a set time, and variable left truncation where follow-up begins at a stochastically varying time-point. METHODS: Using data from a time-to-pregnancy study, augmented by a simulation study, we demonstrate the effects of fixed and variable truncation on estimates of the hazard ratio. RESULTS: First, fixed or variable non-differential left truncation results in a loss of precision. Fixed or variable differential left truncation results in a bias either towards or away from the null as well as a loss of precision. The extent and direction of this bias is a function of the size and direction of the association between exposure and outcome, and occurs in common scenarios and under a wide range of conditions. CONCLUSIONS: As demonstrated in simulation studies, selection bias due to left truncation could have a serious impact on inferences, especially in the case of fixed or variable differential left truncation. When present in epidemiologic studies, proper accounting for left truncation is just as important as proper accounting for right censoring.
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 | 0,001 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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