MétaCan
Menu
Retour à la cohorte
Enregistrement W2919628666 · doi:10.1097/phm.0000000000001170

Understanding Measures of Association

2019· article· en· W2919628666 sur OpenAlexaff
Suneel Upadhye, Mohammad Alavinia, Dinesh Kumbhare

Notice bibliographique

RevueAmerican Journal of Physical Medicine & Rehabilitation · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensDystonia Medical Research Foundation CanadaMcMaster UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésOdds ratioAssociation (psychology)MedicineOddsOutcome (game theory)Relative riskDiagnostic odds ratioMeta-analysisConfidence intervalLogistic regressionPsychologyInternal medicineMathematics

Résumé

récupéré en direct d'OpenAlex

Understanding measures of associations, how they are calculated, what they mean, and how to compare them is an important part of understanding clinical and health research. The relative risk and odds ratio are the two most common used measures of association in medical research. The appropriate use of these statistics to estimate the association between treatment or risk factor and outcome in research studies depends on the methodology and design of the study. The aim of this article was to cover basics of odds ratio and relative risk as the most important measures for the association between an exposure and an outcome. We use a clinical scenario as an example of their uses and demonstrate their calculation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,116
score de la tête « metaresearch » (Gemma)0,359
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,116
Score d'incertitude au seuil0,613

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1160,359
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0130,011
Études des sciences et des technologies0,0020,014
Communication savante0,0140,029
Science ouverte0,0040,008
Intégrité de la recherche0,0060,010
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,301
Tête enseignante GPT0,423
Écart entre enseignants0,121 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Physical Medicine & RehabilitationMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207