MétaCan
Menu
Retour à la cohorte
Enregistrement W2401995712 · doi:10.1002/sim.6998

Estimating the cumulative mean function for history process with time‐dependent covariates and censoring mechanism

2016· article· en· W2401995712 sur OpenAlexafffund
Dianliang Deng

Notice bibliographique

RevueStatistics in Medicine · 2016
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods and Inference
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCensoring (clinical trials)CovariateEstimatorInverse probability weightingComputer scienceInverse probabilityWeightingStatisticsConsistency (knowledge bases)Cumulative distribution functionEconometricsMathematicsProbability density functionArtificial intelligenceMedicinePosterior probability

Résumé

récupéré en direct d'OpenAlex

In this paper, an approach to estimating the cumulative mean function for history process with time dependent covariates and right censored time-to-event variable is developed using the combined technique of joint modeling and inverse probability weighting method. The consistency of proposed estimator is derived. Theoretical analysis and simulation studies indicate that the estimator given in this paper is quite recommendable to practical applications because of its simplicity and accuracy. A real data set from a multicenter automatic defibrillator implantation trial is used to illustrate the proposed methodology. 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,035
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,035
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,003
Science ouverte0,0030,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,078
Tête enseignante GPT0,376
Écart entre enseignants0,299 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations6
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStatistics in MedicineMême sujetStatistical Methods and InferenceTravaux en français237 207