Corrigendum to: “FreeSurfer subcortical normative data” [Data in Brief 9 (2016) 732–736]
Notice bibliographique
Résumé
We have recently uncovered a flaw in our statistical method that impacts the semi-partial R 2 results presented in Figure 1.These values were computed using the option Effect size within the GLM procedure of the SAS statistical software and are labeled by SAS as semi-partial eta squares.These values are, in fact, a partitioned R 2 according to a given order of predictors' entry.The main impact of this procedure is that the order of the predictors influences the semi-partial R 2 .While it does not impact the regression models, for those readers that are drawing conclusions based on the relative importance of the predictors, we felt compelled to provide more accurate and robust results.In all of our analyses, the predictors were listed in a given, unvarying order as presented in the article tables (age, age 2 , age 3 , sex, estimated intracranial volume (eTIV), eTIV 2 , eTIV 3 , magnetic field strength, GE manufacturer, and Philips manufacturer, followed by interactions).Therefore, the variables listed earlier were favored in terms of R 2 compared to the variables entered later.This new Table 1 shows R 2 for each predictor computed using the calc.relimpfunction of the R package relaimpo (relative importance in linear models).The metric used is lmg, based on Lindeman, Merenda, and Gold (1980), which is a R 2 partitioned by averaging sequential sums of squares over all orderings of the predictors, effectively correcting this situation.While the total R 2 remains intact, the main difference of this new metric compare to the original is that for nearly all regional volume, age and sex have lower R 2 (mean age: -7% (range: -12 to 0), sex: -4% (-10 to 0)) while
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 | 0,010 | 0,156 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,008 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,359 | 0,205 |
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 ».