MétaCan
Menu
Retour à la cohorte
Enregistrement W2886612504 · doi:10.1002/cjs.11460

Response adaptive designs with asymptotic optimality

2018· article· en· W2886612504 sur OpenAlexafffundvenueabout
Yanqing Yi, Xuan Li

Notice bibliographique

RevueCanadian Journal of Statistics · 2018
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Methods in Clinical Trials
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMathematicsAsymptotically optimal algorithmWald testStatisticStatistical inferenceUpper and lower boundsStatisticsRate of convergenceApplied mathematicsConfidence intervalInferenceMathematical optimizationStatistical hypothesis testingComputer scienceKey (lock)

Résumé

récupéré en direct d'OpenAlex

Abstract This article discusses the asymptotic optimality of statistical inference for response‐adaptive designs, which has ethical advantages over traditional methods for clinical trials. The upper bound of statistical power of asymptotically level α tests is derived and the Wald statistic is shown to be asymptotically optimal in terms of achieving the upper bound of the asymptotic power. The rates of coverage error probability of the confidence interval are proven to depend on the convergence rate of the allocation proportions for non‐normally distributed responses. When the response density functions are normal density functions, it is proven that the coverage error probability and type I error rate are of the order . The Canadian Journal of Statistics 46: 458–469; 2018 © 2018 Statistical Society of Canada

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,094
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,185
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,094
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,573
Tête enseignante GPT0,496
Écart entre enseignants0,077 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2018
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of StatisticsMême sujetStatistical Methods in Clinical TrialsTravaux en français237 207