MétaCan
Menu
Retour à la cohorte
Enregistrement W2897220320 · doi:10.1111/jebm.12339

Flexible piecewise linear model for investigating dose‐response relationship in meta‐analysis: Methodology, examples, and comparison

2019· article· en· W2897220320 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Evidence-Based Medicine · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueRadiation Dose and Imaging
Établissements canadiensMcMaster UniversitySt. Joseph’s Healthcare HamiltonImpact
Organismes subventionnairesnon disponible
Mots-clésPiecewise linear functionPiecewiseLinear modelSimple (philosophy)MathematicsSegmented regressionApplied mathematicsFunction (biology)Spline (mechanical)Mathematical optimizationAlgorithmComputer scienceStatisticsLinear regressionMathematical analysisPolynomial regression

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Dose-response meta-analysis (DRMA) is widely employed in establishing the potential dose-response relationship between continuous exposures and disease outcomes. However, there is no valid DRMA method readily for discrete exposures, especially when the possible dose-response trend not likely to be linear. We proposed a piecewise linear DRMA model as a solution to this issue. METHODS: We illustrated the methodology of piecewise linear model in both one-stage DRMA approach and two-stage DRMA approach. The method by testing the equality of slopes of each piecewise was employed to judge if there is "piecewise effect" against a simple linear trend. We then used sleep (continuous exposure) and parity (discrete exposure) data as examples to illustrate how to apply the model in DRMA using the Stata code attached. We also empirically compared the slopes of piecewise linear model with simple linear as well as restricted cubic spline model. RESULTS: Both one-stage and two-stage piecewise linear DRMA model fitted well in our examples, and the results were similar. Obvious "piecewise effects" were detected in both the two samples by the method we used. In our example, the new model showed a better fitting effect and practical, reliable results compared to the simple linear model, while similar results for to restricted cubic spline model. CONCLUSION: Piecewise linear function is a valid and straightforward method for DRMA and can be used for discrete exposures, especially when the simple linear function is under fitted. It represents a superior model to linear model in DRMA and may be an alternative model to the nonlinear model.

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.

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Méthodes
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Simulation ou modélisationhigh
gptaucune catégorie
Domaine: non disponible · Genre: Méthodes
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Simulation ou modélisationmedium
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,011
score de la tête « metaresearch » (Gemma)0,015
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,562
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,672
Tête enseignante GPT0,489
Écart entre enseignants0,184 · 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