Evaluating therapeutic effect on WOMAC subscales in osteoarthritis RCTs: When model choice matters
Notice bibliographique
Résumé
RATIONALE, AIMS, AND OBJECTIVES: The study aimed at developing a method for modelling the Western Ontario and McMaster Universities index (WOMAC), accounting for correlation between its subscales and for heterogeneity of treatment effect (HTE), using data from 2 twin trials on knee osteoarthritis. METHOD: Two randomized, double-blind, placebo-controlled clinical trials (twin trials). Studies aimed at investigating the effectiveness of a pharmacological treatment on clinical outcomes of knee osteoarthritis, measured using WOMAC index. To take into account that the WOMAC subscales are correlated and skewed, we proposed and compared multivariate gamma and Gaussian approaches with latent variable capturing correlation between outcomes. Besides the latent term, the interaction between the latent term and treatment, accounting for HTE, was further estimated. RESULTS: Modelling the subscales by using a gamma approach accounting for skewness of data, we found out different results compared with Gaussian models. The main difference regarded the latent variable interacting with treatment (accounting for unobserved heterogeneity), which is not significant for the Gaussian approach (P value = .102) and significant in the gamma model (P value < .002). Thus, indicating that unobserved covariates affect treatment's performance. Additionally, plotting the observed and the estimated values of WOMAC index of the Gaussian and gamma models, we showed that, compared with the Gaussian, the gamma one best fits the data, especially among poor responders. CONCLUSION: Multivariate gamma approach accounting for correlation between outcomes and for HTE has been demonstrated to be more suitable to model WOMAC subscales and to provide more information on effect of therapy.
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 | 0,209 | 0,319 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,008 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,005 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».