Nested case‐control study designs for left‐truncated survival data
Notice bibliographique
Résumé
The determination of risk factors for disease incidence has been the subject of much epidemiologic research. With this goal a common study design entails the follow-up of an initially disease-free cohort, keeping track of the dates of disease incidence (onset) and ascertaining covariate (putative risk factor) information on the full cohort. However, the collection of certain covariate information on all study subjects may be prohibitively expensive and, therefore, the nested case-control study has commonly been used. The high cost of full covariate information on all subjects also arises when determining risk factors for "failure," death say, "following" disease onset, in particular, in a prevalent cohort study with follow-up; in such a study a cohort of subjects with existing disease is followed. We here adapt nested case-control designs to the setting of a prevalent cohort study with follow-up, a topic previously not addressed in the literature. We provide the partial likelihood under risk set sampling and state the asymptotic properties of the estimated covariate effects and baseline cumulative hazard. We address the following design questions in the context of prevalent cohort studies with follow-up: How many subjects should be included in the sampled risk sets for efficient estimation? In what way is the proportion of censored subjects associated with the benefit of a nested case-control design? What proportion of overall variance is attributable to risk set sampling? This work is motivated by the anticipated analysis of data on survival with Parkinson's Disease, being collected as part of the ongoing Canadian Longitudinal Study on Aging.
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 | 0,086 | 0,179 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».