PD26 Principal Component Approximation: Canadian Health Measures Survey
Notice bibliographique
Résumé
Introduction: Principal component analysis (PCA) is used for dimension reduction and data summary. However, principal components (PCs) cannot be easily interpreted. To interpret PCs, this study compares two methods to approximate PCs. One uses the PCA loadings to understand how input variables are projected to PCs. The other uses forward-stepwise regression to determine the proportions of PC variances explained by input variables. Methods: Two data sets derived from the Canadian Health Measures Survey (CHMS) were used to test the concept of PC approximation: a spirometry subset with the measures from the first trial of spirometry; and, full data set that contained representative variables. Variables were centered and scaled. PCA were conducted with 282 and twenty-three variables respectively. PCs were approximated with two methods. Results: The first PC (PC1) could explain 12.1 percent and 50.3 percent of total variances in respective data sets. The leading variables explained 89.6 percent and 79.0 percent of the variances of PC1 in respective data sets. It required one and two variables to explain more than 80 percent of the variances of PC1, respectively. Measures related to physical development were the leading variables to approximate PC1 and lung function variables were leading to approximate PC2 in the full data set. The leading variable to approximate PC1 of the spirometry subset were forced expiratory volume (FEV) 0.5/forced vital capacity (FVC) (percent) and FEV1/FVC (percent). Conclusions: Approximating PCs with input variables were highly feasible and helpful for the interpretation of PCs, especially for the first PCs. This method is also useful to identify major or unique sources of variances in data sets. The variables related to physical development are the variables related to the most variations in the full data set. The leading variable in the spirometry subset, FEV0.5/FVC (percent), is not well studied for its application in clinical use.
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 | 0,007 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,014 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,003 |
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 ».