P2‐004: Network statistics to identify profiles of disease expression
Notice bibliographique
Résumé
An exploratory analysis to establish a possible signal of dementia stage using network statistics. The data come from patients and carers who used an online symptom tracking tool, SymptomGuide (SG), at DementiaGuide.com. From these, 139 patients with between 8-25 symptoms each were classified either as mild (n=74) or moderate (n=65) dementia. Staging used an established artificial neural network with supervised learning. Using an established method, we created 100 symptom-based networks for each group. A network is composed of nodes (symptoms) and edges (significant associations between symptoms). For each network, a bootstrapped sample of 1000 samples with replacement was taken Cytoscape was used to derive network statistics. Average number of neighbors represents the average number of symptom associations. Clustering coefficient measures the degree of symptom clustering. Connected components quantifies number of unique clusters. Network heterogeneity reflects the tendency of symptom hubs. Network centralization measures the connectivity of the most connected symptom. Network density measures edge density. Network diameter measures the largest distance between two symptoms. Characteristic path length is the average distance between two connected symptoms. The shortest path length is the minimum characteristic path length found. Standard t-tests were used to test for differences in continuous data and Pearson's chi-squared for categorical data. Most of the sample (74.4%) were women. The mean age was 74.1 (95% CI 72.1-76.2) for mild; 77.9 (74.6-81.2) for moderate patients. Similar numbers of symptoms were seen in mild 9.8 (9.4-10.3) and moderate 10.1 (9.8-10.4). The mild group had significantly higher number of average neighbors 2.3 (2.2-2.3) vs 1.9 (1.8-1.9), network density 0.89 (0.087-0.091) vs 0.08 (0.07-0.08), network centralization 0.22 (0.21-0.24) vs 0.12 (0.12, 0.13) and network heterogeneity 0.73 (0.71-0.75) vs 0.55 (0.53-0.56) (t-test, p<0.01 for each). The moderate group showed significantly larger characteristic path lengths 2.98 (2.90-3.06) vs 2.54 (2.47-2.61) (t-test, p<0.01) and network diameter 6.75 (6.56-6.93) vs 5.01 (4.83-5.16) (t-test, p<0.01). In a group of mild versus moderate dementia patients with similar demographic characteristics, we found consistent differences in network properties. Overall, they suggest a pattern of increasing heterogeneity and loss of connectivity in the moderate versus the mild stage.
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 | 0,004 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,002 |
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 ».