Use of the limits of agreement approach in periodontology.
Notice bibliographique
Résumé
PURPOSE: To discuss the statistical approaches that have been traditionally used to compare measures in periodontal research, highlighting its strengths and weaknesses and, finally, to suggest the use of the limits of agreement method of Altman and Bland (1983) as an alternative method to address this question. MATERIALS AND METHODS: Using a sample dataset of clinical periodontal measures as a background, the different possible approaches for agreement assessment are discussed and statistical and clinical points are considered. Eight hundred and forty repeated measures, belonging to the training phase of a clinical study, were performed in five individuals presenting different severities of periodontal conditions. The use of correlation coefficient, comparison of means, linear regression technique, Kappa coefficient, intra-class correlation coefficient and means versus differences plot is demonstrated. RESULTS: Most of the methods are applied without the appropriate care, resulting in misleading interpretations. The information that arises from some of the methods used so far is poorly informative and adds little understanding to the operational characteristics of the raters or instruments. Some of the resulting information from the correlation coefficient and kappa coefficient may even be false or not applicable for the entire range of possible values. CONCLUSIONS: The graphical approach that plots differences against means, including the 95% limits of agreement estimated by the mean difference +/- 1.96 standard deviation of the differences is the most informative approach and its application should be considered for continuous clinical periodontal measures.
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 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 | 0,011 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».