A Pointwise Approach to Dose-Response Meta-Analysis of Aggregated Data
Notice bibliographique
Résumé
In a two-stage dose-response meta-analysis a common functional relationship is applied to each study and an overall curve is obtained by combining study-specific dose-response coefficients. Possible limitations are: 1) a common dose-response model may have a poor fit in some of the studies; 2) combining dose-response coefficients discard information about study-specific exposure range. A pointwise approach for meta-analysis may overcome those limitations by combining predicted relative risks for a fine grid of exposure values based on potentially different dose-response models.We described how to flexibly model the dose-response association in a single study using fractional polynomials and spline, and how to present the combined results from study-specific analyses.The strategy is illustrated using aggregated data derived from the Surveillance, Epidemiology, and End Results program, with results compared to the corresponding analysis based on individual data.Another example on milk consumption and all-cause mortality is used to show the advantages of the pointwise approach regarding flexibility in the dose-response analyses, limitations of extrapolations, and informativeness in presenting pooled results.Application of the proposed strategy may improve dose-response meta-analysis of observational studies in case of particularly heterogeneous exposure distributions.
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 | 0,207 | 0,254 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,003 |
| Méta-épidémiologie (sens large) | 0,012 | 0,044 |
| Bibliométrie | 0,014 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».