MétaCan
Menu
Retour à la cohorte
Enregistrement W2226573656 · doi:10.1002/sim.6845

A comparison of change point models with application to longitudinal lung function measurements in children with cystic fibrosis

2016· article· en· W2226573656 sur OpenAlexaff
Angela Moss, Farouk S. Nathoo, Brandie D. Wagner, Scott D. Sagel

Notice bibliographique

RevueStatistics in Medicine · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueCystic Fibrosis Research Advances
Établissements canadiensUniversity of Victoria
Organismes subventionnairesCystic Fibrosis Foundation
Mots-clésCystic fibrosisRandom effects modelLung functionDemographyPopulationLung diseaseTime pointMedicinePulmonary function testingLungStatisticsMathematicsInternal medicinePhysics

Résumé

récupéré en direct d'OpenAlex

Cystic fibrosis (CF) is a hereditary lung disease characterized by loss of lung function over time. Lung function in CF is believed to decline at a higher rate during the adolescence period. It has been also hypothesized that there is a subgroup of individuals for whom lung disease remains relatively stable with only a slight decline over their lifetime. Using data from the University of Colorado CF Children's Registry, we investigate four change point models to model the decline of lung function in children and adolescents: (i) a two-component mixture random change point model, (ii) a two-component mixture-fixed change point model, (iii) a random change point model, and (iv) a fixed change point model. The models are investigated through posterior predictive simulation at the individual and population levels, and a simulation study examining the effects of model misspecification. The data support the mixed random change point model as the preferred model, with roughly 30% of adolescents experiencing a steady decline of 0.5 %FEV1 per year and 70% experiencing an increase in decline of 4.4 %FEV1 per year beginning on average at 14.6 years of age. Copyright © 2016 John Wiley & Sons, Ltd.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,786
Score d'incertitude au seuil0,433

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,376
Écart entre enseignants0,302 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStatistics in MedicineMême sujetCystic Fibrosis Research AdvancesTravaux en français237 207